RoleHear 流式角色识别

论文提出 RoleHear，让单一缓存感知流式 transducer 通过词表内角色 token 在转写中内联输出说话角色，满足客服分析等实时场景需求。方法用离线教师模型重标注无标注音频，并由多模态大模型补充银标签，学生模型一次微调完成。在客服通话与财报电话会议数据上，RoleHear 在保持转写质量的同时准确标注角色，缩小了与离线教师的差距。