使用 Whisper 进行带时间戳的印地语语音转写

论文提出一种基于 CTC 的方法，在 Whisper 编码器输出上直接训练低复杂度字符级 CTC 头，为印地语生成词级时间戳。实验显示其效果接近外部 CTC 模型、优于基于交叉注意力分数的方案；还利用 CTC 头输出检测并缓解对话语音中的模型幻觉，用简单的 token 长度准则改善短片段转写质量。论文已提交 ICASSP 2027。