★ 2
研究：教育ASR需按说话人角色分场景评估WER
论文指出聚合词错率（WER）会掩盖学习者语音、语码转换与说话人归属上的集中错误。作者在英语母语者学习西班牙语的在线课堂数据上比较平台集成、开源、适配与商用ASR，并用LoRA微调Whisper large-v3与MOSS-Transcribe-Diarize。结果显示MOSS适配在各说话人角色与语…
arXiv NLP3 天前
#说话人分离
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
研究者发布 885 小时孟加拉语语音语料 Lipi-Ghor
研究者发布 Lipi-Ghor，一个弱监督构建的大规模孟加拉语语音语料库，含 885 小时音频，来自 998 个 YouTube 视频、596 个频道，覆盖 17 个领域。该语料首次为孟加拉语提供大规模、带说话人分离的长音频标注，并附带可复用的构建流程。团队在零样本与微调条件下评测四个主流 ASR…
arXiv NLP5 天前
★ 1
研究揭示流式说话人分离适配中的指标掩盖问题
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