实体
Voxtral Realtime
Voxtral Realtime
PulseAugur coverage of Voxtral Realtime — every cluster mentioning Voxtral Realtime across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的语音识别方法提高了准确性和延迟
研究人员开发了一种新的流式自动语音识别（ASR）方法，该方法提高了转录准确性和延迟。该方法称为AWED，使用词级发射延迟指标和新颖的奖励函数来联合优化转录质量和速度。在测试中，AWED训练的模型在各种前瞻预算下显著优于其基线，降低了词错误率和感知延迟。
-
新的X2-Turn模型增强了实时对话轮次转换
研究人员推出了一种新颖的帧同步模型X2-Turn，旨在改进口语对话系统中的轮次转换。该双头模型在帧级别联合预测自动语音识别（ASR）令牌和细粒度轮次状态，解决了先前模块化方法的局限性。通过在共享流式表示上与ASR头并行运行，X2-Turn旨在提高响应速度并降低系统复杂性。在双语Easy-Turn测试集上的评估表明，它在低延迟的情况下能有效进行准确的轮次转换检测。