实体
L2-ARCTIC
L2-ARCTIC
PulseAugur coverage of L2-ARCTIC — every cluster mentioning L2-ARCTIC across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
新的轻量级框架使用语音令牌惊奇度评估发音
研究人员开发了一种新颖的轻量级自动发音评估框架，该框架利用离散语音令牌惊奇度。该方法主要在母语语音数据上进行训练，减少了对昂贵的标记学习者错误或非母语语料库的需求。该系统将学习者语音离散化，并使用令牌语言模型识别音位偏差，在SpeechOcean762和L2-ARCTIC等数据集上取得了改进的性能。
-
研究发现：LLM在发音反馈中表现出刻板印象驱动的诊断
一篇新的研究论文调查了大型语言模型（LLM）在为二语英语学习者提供发音反馈方面的可靠性。研究发现，LLM经常表现出刻板印象驱动的诊断，其反馈在内部是一致的，但并未准确地基于提供的语音证据。虽然声学特征可以提高特定维度（如音高）的反馈准确性，但LLM在更复杂的对齐任务方面存在困难，这表明它们更适合口头表达预先计算的证据，而不是作为独立的诊断工具。
-
新方法使用统计图进行误读检测
研究人员开发了一种使用特定语言的统计图来检测和诊断误读的新方法。该方法将音素混淆模式建模为有向图，并结合策略来考虑基于用户母语的读音差异。在 L2-ARCTIC 基准测试上的实验表明，该方法达到了 59.52% 的 F1 分数，优于现有的基线方法。
-
对比学习提升自动语音识别系统的口音鲁棒性
研究人员开发了一种名为监督对比学习（SupCon）的新方法，以提高自动语音识别（ASR）系统在口音变化方面的鲁棒性。该技术在微调过程中充当辅助目标，在无需架构更改或显式口音标签的情况下，对模型的内部表示进行正则化。在L2-ARCTIC基准测试上的实验表明，词错误率显著降低，特别是对于未见过的口音。