实体
WavLM Base+
WavLM Base+
PulseAugur coverage of WavLM Base+ — every cluster mentioning WavLM Base+ 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
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究解决了音频深度伪造检测的偏见和可解释性问题
两篇新研究论文探讨了音频深度伪造检测的进展。第一篇论文《你训练什么就得到什么》调查了检测模型中的性别偏见，发现训练数据的构成显著影响性能，并且事后缓解方法不足。第二篇论文《通过受人类启发的推理实现鲁棒的语音深度伪造检测》引入了一个结合大型音频语言模型和思维链推理的新框架，以提高检测的鲁棒性和可解释性。
-
新的SER方法使用分布监督来捕捉标注者分歧
研究人员开发了一种用于语音情感识别（SER）的熵感知课程学习方法，该方法超越了传统的硬共识标签。该方法利用MSP-Podcast 2.0数据集上的基于分布的监督，并使用WavLM-Base多任务模型。通过使用反映标注者分歧而非单一共识的目标进行训练，该模型能更好地与人类投票分布保持一致，并捕捉感知不确定性，尤其是在模糊的言语中。
-
Speech-FT 框架融合预训练和微调模型以实现更好的泛化能力
研究人员开发了 Speech-FT，一个新颖的两阶段微调框架，旨在改进语音表示模型。该方法旨在提高特定任务的性能，同时不牺牲模型跨不同任务的泛化能力。Speech-FT 首先减少微调过程中的表示漂移，然后与原始预训练模型进行插值以恢复泛化能力。实验表明，在 SUPERB 基准测试上取得了显著的改进，在各种微调场景中优于现有方法。