★ 2
研究提出语言感知智能体数据采样框架提升多语言 ASR 训练效率
论文将数据采样 LLM 智能体引入多语言 ASR 训练循环，依据音系、形态、句法层面的错误分析规则，结合训练统计与预算约束，自适应选择域级、样本级、token 级采样策略。在 12 种 Common Voice 语言、Whisper-medium 骨干上，用更少数据与算力超过全量训练，并显著加快收…
arXiv NLP5 天前
#Whisper
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
arXiv 论文用 k-center 子集选择降低 Whisper 微调成本
研究提出基于嵌入的子集选择方法，利用 OpenAI Whisper 预训练编码器把音频映射到固定维度空间，再用贪心 k-center 算法挑选多样且有代表性的训练子集。在希伯来语和丹麦语上，k-center 选择在小样本预算下优于随机采样，且子集词汇多样性更高。
arXiv NLP6 天前
★ 2
GRPO 强化学习提升低资源语言语音识别，开源 SunflowerASR
arXiv 新论文将 Group Relative Policy Optimisation（GRPO）强化学习扩展到非 LLM 的小型编码器-解码器语音识别模型，以 Whisper-large-v3 为基线在 51 种非洲语言上验证。该方法在训练数据稀缺、音频含噪或退化时收益最明显。所得模型 Su…
arXiv cs.AI10 天前
★ 2
开发者发布 Sys2txt：本地 Whisper 实时转录系统音频
开发者推出命令行工具 sys2txt，通过 PulseAudio/PipeWire 监听源录制 Linux 系统播放的音频，并用 Whisper 本地实时转录。工具支持 faster-whisper、openai-whisper 与 whisper.cpp（含 AMD Vulkan GPU 加速）…
Hacker News – LLM15 天前
★ 2
arXiv 论文：从低通滤波语音预测文本的韵律到文本研究
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
★ 2
Itgan 团队用 LoRA 微调 Whisper 参加 NADI 2026 阿拉伯语 ASR 评测
Itgan 团队在 NADI 2026 三项阿拉伯语语音识别子任务中统一采用消费级 GPU 上的 LoRA 微调 Whisper 方案。国家级鲁棒 ASR 达到 57.1% 平均 WER，混合方言任务 46.7% WER，突尼斯语码切换任务以 14.49% WER 获第二名且 CER 最低（5.3…
arXiv NLP25 天前
这个主题的相关资产
相关术语Whisper