会员服务
语音识别是计算机科学和计算语言学的一个跨学科子领域，它发展了一些方法和技术，使计算机可以将口语识别和翻译成文本。 它也被称为自动语音识别（ASR），计算机语音识别或语音转文本（STT）。它整合了计算机科学，语言学和计算机工程领域的知识和研究。
EmotionAI: A Privacy-Preserving Computational Intelligence Pipeline for Speech-Emotion-Grounded Conversational Analysis
Arxiv
0+阅读 · 6月22日
Data Scale, Not Latency, Shapes Cross-Lingual Encoder Transfer in Streaming ASR
Arxiv
0+阅读 · 6月23日
Cross-Dataset, Age, and Gender Generalization: A Comprehensive Analysis of Fine-Tuning Strategies for Low-Resource Children's ASR
Arxiv
0+阅读 · 6月23日
Layer-wise Probing of wav2vec 2.0 and Whisper for Consonant Cluster Reduction in African American English
Arxiv
0+阅读 · 6月22日
Contrastive Training with LLM-generated Near-Misses for Robust Code-Switching Speech Recognition
Arxiv
0+阅读 · 6月22日
ViMedCSS: A Vietnamese Medical Code-Switching Speech Dataset & Benchmark
Arxiv
0+阅读 · 6月22日
Progressive Alignment Objectives for Aligner-Encoder based ASR
Arxiv
0+阅读 · 6月23日
How Much Can We Trust LLM Search Agents? Measuring Endorsement Vulnerability to Web Content Manipulation
Arxiv
0+阅读 · 6月23日
Towards Truly Multilingual ASR: Generalizing Code-Switching ASR to Unseen Language Pairs
Arxiv
0+阅读 · 6月18日
Synthetic Audio Generation Framework for Air Traffic Control Speech Recognition
Arxiv
0+阅读 · 6月19日
Maintain Plasticity in Long-timescale Continual Test-time Adaptation
Arxiv
0+阅读 · 6月18日
WASIL: In-the-Wild Arabic Spoken Interactions with LLMs
Arxiv
0+阅读 · 6月22日
From Text Metrics to Model Internals: A Study of Whisper ASR Hallucination Detection
Arxiv
0+阅读 · 6月22日
Whisper-CD: Accurate Long-Form Speech Recognition using Multi-Negative Contrastive Decoding
Arxiv
0+阅读 · 6月22日
OpenWER: Improving Cross-Lingual ASR Evaluation and Enabling Token-Based Accuracy Metrics
Arxiv
0+阅读 · 6月19日
参考链接
微信扫码咨询专知VIP会员
Top