★ 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
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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%。
论文利用学习者英语口语语料，比较基于 WavLM 的音频母语分类器与基于转录文本的 GPT-4o 零样本分类器。完整转录下音频整体更优，但文本在 A2 至 C1 水平更强；限制转录长度会显著降低文本准确率，而音频对输入长度不敏感。