Whisper base
PulseAugur coverage of Whisper base — every cluster mentioning Whisper base across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架通过自适应特征增强音频深度伪造检测能力
研究人员开发了一个新的音频深度伪造检测框架，该框架提高了泛化能力并避免了鲁棒性和准确性之间的权衡。该系统使用自适应音频特征集成模块动态选择最优的潜在维度，并采用梅尔频段对抗扰动策略进行定向正则化。在多个基准测试上进行评估，基于Whisper-small的模型达到了1.51%的行业领先等错误率，在准确性上优于Resemble-Detect-3B-Omni等现有模型，同时使用的参数显著减少。该框架在跨语言评估和对现实世界声学失真的鲁棒性方…
-
个性化自动语音识别系统为构音障碍患者的错误率降低了50%
研究人员为一名患有构音障碍和气管切开的捷克语者开发了一个个性化的自动语音识别（ASR）系统，该患者的语音否则无法理解。该系统采用多阶段训练流程，在包括通过“人工智能对话”协议收集的患者自身语音在内的各种数据集上微调了Whisper Base模型。与基线Whisper Base相比，该方法将字符错误率（CER）相对降低了50%，证明了为严重言语障碍者创建有用的ASR系统的可行性。
-
Audio To Text 应用达到 1.0.0 版本，UI 和下载功能大幅改进
Audio To Text，前身为 phone-whisper，已发布 1.0.0 版本，标志着经过广泛开发后进入稳定发布阶段。此次更新采用了 Jetpack Compose 和 Material 3 对 UI 进行了全面改造，引入了新的底部导航栏和改进的界面元素。模型下载也得到了显著改进，现在通过前台服务在后台继续进行，并且模型目录已通过新的特定语言模型和更好的管理选项进行了扩展。
-
研究发现音频分离损害零样本 ASR 性能
一项新的研究论文调查了一个违反直觉的发现，即音频分离会降低零样本自动语音识别 (ASR) 系统的性能。该研究在嘈杂的孟加拉语和英语语音上，评估了 SAM-Audio 作为 OpenAI 的 Whisper 模型预处理步骤的效果。与预期相反，应用 SAM-Audio（提高了 PSNR 等音频质量指标）导致在所有测试的 Whisper 变体和数据集上，词错误率 (WER) 和字符错误率 (CER) 都有所增加。这表明信号级别的质量提升并不…