Proficiency-Aware Adaptation and Data Augmentation for Robust L2 ASR
语音识别 | 6.5/10
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。
语音识别 | 6.5/10
语音增强 | 7.5/10
语音识别 | 7.0/10
音频事件检测 | 7.0/10
语音识别 | 7.0/10
数据集对齐 | 7.7/10
语音识别 | 8.0/10
语音识别 | 7.0/10
语音情感识别 | 7.0/10
音频深度伪造检测 | 8.5/10
领域适应 | 7.0/10
语音识别 | 6.5/10
语音识别 | 7.5/10
音乐信息检索 | 6.5/10
语音生物标志物 | 7.0/10
语音识别 | 6.5/10
语音情感识别 | 8.0/10
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**:耳语语音因缺乏声带振动,其声学特征与正常语音差异显著,导致现有的说话人验证系统性能严重下降。这在用户为保护隐私而低语、或因疾病无法正常发声等实际场景中构成挑战。 2. **方法核心**:在预训练的说话人验证骨干网络(ReDimNet-B6)之上,添加一个轻量级的编码器-解码器结构
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