实体
Thibault Bañeras-Roux
Thibault Bañeras-Roux
PulseAugur coverage of Thibault Bañeras-Roux — every cluster mentioning Thibault Bañeras-Roux across labs, papers, and developer communities, ranked by signal.
总计 · 30天
4
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
LLM 评估 ASR 模型：编码器与生成式模型对比
一项新近发表在 arXiv 上的研究，探讨了基于编码器和解码器的 LLM 在评估自动语音识别（ASR）系统方面的有效性。该研究比较了 BERTScore 和 SemDist 等指标在各种 LLM 和配置下的表现，发现两者在正确设置时都能与人类判断获得高度相关性。研究还强调，生成式 LLM 在 ASR 评估的假设比较和错误分类方面展现出潜力，并提供了更好的可解释性。
-
French ASR research analyzes tokenization and self-supervised learning impacts
一篇新论文分析了法语端到端自动语音识别（ASR）系统的性能。该研究调查了不同的子词分词算法和自监督学习模型如何影响ASR性能，超越了传统的错误率指标。该研究旨在为这些系统在各种应用中提供更全面的评估。
-
新范式通过将错误与人类感知相关联来改进ASR指标
研究人员提出了一种用于评估自动语音识别（ASR）系统的新范式，旨在改进现有的词错误率（WER）和字符错误率（CER）等指标。所提出的方法结合了选定的指标来生成最小编辑距离（minED），该距离与人类感知有更好的相关性，并考虑了语言和语义信息。这种方法允许从人类的角度更细致地研究转录错误的严重性。
-
新HATS数据集整合人类感知用于ASR评估
研究人员推出HATS，一个新设计的法语数据集，旨在通过整合人类感知来评估自动语音识别（ASR）系统。该数据集是通过让143人比较并选择由不同ASR系统生成的两个转录选项中的更好一个来创建的。此举旨在超越传统的词错误率（WER）等指标，这些指标被认为不足以从人类用户的角度评估ASR质量。