论文解读
1500 个音频 token 真的都需要吗？用等间隔抽样戳破 Whisper 的时域冗余
语音识别 | 7.2/10
语音识别
子标签
下方只统计已核验方向的论文记录，按已核身份去重，身份待核时按页面保留。“直接”只含明确标注该方向的论文；“含子树”同时包含下级方向。点击名称进入论文库继续筛选；数量与上方按标签名称收录的页面数不同。
论文解读
没有金标准时，怎么判断对齐切得准不准
语音识别 | 9.1/10
论文解读
先别让模型开口：当语音大模型需要学会拒绝
语音识别 | 8.3/10
论文解读
听错一句，机器就敢动手：语音误差如何撬开具身智能的安全锁
语音交互 | 5.1/10
论文解读
当一句非洲对话里藏着两种语言，语音识别该听哪一种？
语音识别 | 8.1/10
论文解读
在干净与噪声之间不敢用力的对比解码：用注意力给干预装上刹车
语音识别 | 6.0/10
论文解读
同样的两段声音，为何转写稳得住、问答就垮掉？
音频理解 | 6.1/10
论文解读
同音不同形，真的同音吗？当语义在频谱里留下指纹
语音识别 | 6.8/10
论文解读
合成语音越多越好吗？在音素层面重新称量文本的价值
语音识别 | 6.2/10
论文解读
把嘴边的电极收回指尖：按需贴合如何让无声语音既可用又不打扰隐私
语音识别 | 5.9/10
论文解读
把电话声道和业务词汇分开付账：Canary 的两次适配实验
语音识别 | 7.9/10
论文解读
32 分钟语料能给 Baniwa ASR 一个起点，却不能借此跳过泛化检验
语音识别 | 4.7/10
论文解读
忘掉不等于擦除：语音网络把关键期痕迹压在了最底层
语音识别 | 8.6/10
论文解读
谐音不是错字：让普通话 ASR 在纠错与保留笑点之间踩刹车
语音识别 | 5.7/10
论文解读
Relative Time Intervals Representation for Word-level Timestamping with Masked Training
语音识别 | 8.6/10
论文解读
Better Retrieval, Worse Robustness: How Multi-hop RAG Amplifies Upstream ASR Errors
音频理解 | 9.1/10
论文解读
Cross-Subject Generalization in Decoding Perceived Speech from Non-Invasive Brain Recordings
语音识别 | 8.3/10
论文解读
Development and Feasibility Evaluation of an Edge AI as Medical Device System for Breast Cancer Multidisciplinary Team Meetings
语音识别 | 8.4/10
论文解读
DiaScriber: A Speech LLM for Joint Diarization and Transcription in Multi-Speaker Scenarios
语音识别 | 7.3/10
论文解读
Mitigating Speaker Leakage in Cascaded Multi-talker ASR with Diarization-based Transcript Correction
语音识别 | 7.1/10