实体
GMM-HMM
GMM-HMM
PulseAugur coverage of GMM-HMM — every cluster mentioning GMM-HMM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的强制对齐方法提高了嘈杂口语的准确性
研究人员开发了一种新的口语强制对齐方法，该方法显著提高了在嘈杂条件下的准确性。通过为填充语和非词汇声音事件引入显式单元，并使用具有判别性投影的上采样 WavLM 特征，该系统在对话和不流畅语音数据集上实现了比现有基线更低的词边界平均绝对误差 (MAE)。这种方法还大大减少了灾难性的错误对齐，使其比当前领先的对齐器更具鲁棒性。
-
新型AI模型改进低资源语种的语音对齐
研究人员开发了专门针对低资源语种的新型语音强制对齐模型，重点关注成都方言。他们使用一个17小时的语料库训练了一个依赖文本的GMM-HMM模型（Chengdu-MFA）和一个不依赖文本的模型（Chengdu-FC）。评估结果显示，与标准普通话基线相比，模型有了显著改进，Chengdu-MFA将音素边界差异减少了31.8%，Chengdu-FC减少了61.2%。这项工作为在没有大量手动标注的情况下为资源匮乏的语言创建准确的对齐器提供了一种实用的方法。