WavLM-large
PulseAugur coverage of WavLM-large — every cluster mentioning WavLM-large across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Speech-LLM 系统在 MLC-SLM 挑战赛中取得高准确率
研究人员为第二届 MLC-SLM 挑战赛开发了一个新颖的 speech-LLM 系统，专注于自动语音识别和说话人日志。他们的系统结合了 DiariZen-Large-s80 分割、CAM++ 说话人聚类以及 LoRA 适配的 omniASR LLM 7B v2 识别器，在开发集上取得了 29.27% 的宏观 tcpMER，显著优于官方基线。研究还分析了工程选择的影响，发现基于嵌入的说话人聚类比端到端方法更有效，并且重叠感知分割可能无意…
-
新框架改进了对人类矛盾和犹豫的识别
研究人员开发了一种新颖的框架SVF-CR，通过分析同步的多模态数据来识别矛盾和犹豫等微妙的人类情绪状态。该方法在整合文本和声学特征之前，通过交叉注意力机制精炼视觉和面部线索。在BAH数据集上的实验表明，SVF-CR显著提高了识别准确率，宏F1分数达到0.7156，优于之前的基线。
-
新研究探讨对话时序和抑郁症检测的稳健基准测试
研究人员正在探索使用对话数据检测抑郁症的新方法。一项研究调查了对话的时间动态，特别是临床医生和参与者轮流发言之间的时间，作为关键指标。该时间模块与其它语音编码器融合后，在识别抑郁症方面表现强劲。另一篇论文介绍了 DEPOOL，这是一个旨在严格评估基于语音的抑郁症检测的各种时间聚合策略的基准。该基准突出了稳健性问题，表明许多配置在不同的训练运行和骨干网络中可能不可预测地失败，这强调了对更稳定评估标准的需求。
-
人工智能评估韩国幼儿发音
研究人员开发了一个自动系统来评估韩国幼儿的发音，填补了当前评估工具的空白。该系统利用神经说话人分割和自监督学习技术来分析语音录音。在一个新创建的包含53名儿童录音的语料库上进行的实验显示出有希望的结果，一个集成模型在发音评分方面达到了0.782的平均平衡准确率。