实体
Speech LLM
Speech LLM
PulseAugur coverage of Speech LLM — every cluster mentioning Speech LLM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
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 3 条
-
新的元学习框架提高了代码转换语音识别的准确性
研究人员开发了 SyRA-CS，一个新颖的元学习框架，旨在提高代码转换语音的自动语音识别（ASR）能力。该方法使用合成的代码转换数据进行元训练，然后用少量真实语音数据进行微调。在多个语言对和 ASR 架构上的实验表明，与现有方法相比，词错误率（WER）和字符错误率（CER）显著降低。
-
新方法InterCorrect提升了ASR对不同人口群体的影响公平性
研究人员开发了一种名为InterCorrect的新方法，以提高自动语音识别（ASR）系统的公平性，特别是对于属于多个群体的人员。该方法涉及在特定人口子集上微调基础模型，然后合并这些适应性组件。应用了特定交叉点的校正向量，以进一步优化合并后的模型，解决关键的跨轴人口对。实验表明，该方法显著降低了词错误率（WER），并提高了在各种人口轴上的性能。
-
基于翻译的编码器预训练增强语音大语言模型
一篇新的研究论文提出，在语音大语言模型（Speech LLMs）中使用语音翻译来弥合语音编码器与大语言模型（LLMs）之间的差距。该论文认为，当前的架构存在结构性不匹配，因为编码器通常会产生特定语言的表示，而大语言模型则在统一的、与语言无关的空间中运行。通过将翻译目标纳入语音编码器的预训练中，研究人员发现这可以改善跨模态集成并提高下游语音大语言模型任务的性能。