LSVSC

新的越南语语音识别系统采用基于音素的音节建模

研究人员为越南语语音识别（ASR）系统开发了一种新颖的音节结构解码器。这种新方法在音素层面建模语音，显式地捕捉音节的音理构成，而不是依赖于字符或单词等书写单位。该系统在越南语语音基准 LSVSC 和 UIT-ViMD 上均表现出优越性能，尽管使用了明显更小的词汇量且没有额外的训练资源，但其性能优于 PhoWhisper 和 Wav2Vec2 等强大的基线模型。