Variational Low-Rank Adaptation for Personalized Impaired Speech Recognition
语音识别 | 7.5/10
语音识别 | 7.5/10
语音识别 | 8.0/10
语音识别 | 7.5/10
语音识别 | 7.5/10
语音识别 | 7.0/10
语音识别 | 6.5/10
语音识别 | 6.5/10
语音识别 | 6.5/10
模型评估 | 6.5/10
语音识别 | 7.5/10
语音识别 | 7.0/10
说话人识别 | 8.0/10
语音识别 | 7.0/10
语音识别 | 7.0/10
语音识别 | 7.5/10
语音识别 | 7.5/10
1. **问题**:当前口吃语音技术研究与口吃者(PWS)及言语语言病理学家(SLP)的实际需求存在系统性脱节,研究重点、任务定义和评估方法未能充分以用户为中心。 2. **方法核心**:通过两部分结合分析:1)对228篇相关论文进行范围综述,提出研究任务分类法并分析研究现状;2)对70名利益相
这篇论文旨在解决达罗毗荼语言(Telugu和Kannada)在医疗领域自动语音识别(ASR)中面临的标注数据稀缺和语言形态复杂两大挑战。其核心方法是提出一个“置信度感知训练框架”,该框架通过一个混合置信度评分机制(结合静态的感知、声学相似性、WER分数和动态的模型熵),对混合了真实与合成语音的训练数
1. **问题**:训练一个既能高精度离线转录又能低延迟流式识别的统一ASR模型极具挑战性,传统方法在低延迟下性能会急剧下降。 2. **方法核心**:提出一个统一的Transducer框架,结合分块注意力(含右上下文)和动态块卷积(DCConv)来适配两种模式。核心创新是引入了模式一致性正则化损失
1. **问题**:现有的古兰经语音数据集在规模、诵读者多样性、音频质量和标注深度上存在严重不足,限制了古兰经ASR、诵读者识别等任务的研究进展。 2. **方法核心**:提出Tadabur数据集及其构建流水线。流水线核心是“古兰经经文对齐模块”(AAM),它结合WhisperX进行初步转录,再利用