#语音处理

共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。

★ 3

arXiv 提出抗噪强制对齐方法，词边界误差降 19%

论文指出强制对齐器在自发、嘈杂真实语音上性能下降，填充词、笑声与不流畅会破坏词边界。作者用上采样 WavLM 特征替代 MFCC 重构 GMM-HMM 对齐器，并加入非词汇发声单元与判别投影，在 Buckeye 与 FluencyBank 上词边界 MAE 分别比最强基线低 19% 和 17%。

arXiv cs.LG14 天前

★ 2

研究者发布 OSynth，一个模拟组织的大规模合成数据集，包含 570 小时会议音频及配套材料与潜在真值状态，用于评测具备长期上下文的会议记录系统。人类评审仅以 56% 准确率区分合成与真实会议记录；实验显示增加上下文可在多个实体敏感维度显著提升主流 LLM 表现。

arXiv NLP11 天前

★ 2

论文探索韵律到文本的反向任务，仅用 12 个最低 Mel 频段（约 450Hz 低通滤波）微调 Whisper 模型，取得 WER 36% 的意外准确结果，10% 语句完全恢复。研究还发现给定正确前缀时下一 token 预测正确率达 79%，表明低频语音特征与词汇内容的关联比此前认为的更强。

arXiv NLP24 天前

★ 1

一篇 arXiv 论文研究小数据适配对流式说话人分离系统的影响，发现适配虽提升域内检测性能，却损害说话人身份的时间一致性。局部重映射诊断显示不同语料库的身份退化模式各异，排练（rehearsal）可减轻退化但降低跨域迁移能力。研究呼吁联合评估检测精度、身份一致性与保持行为。

arXiv NLP25 天前