arXiv · Audio and Speech· Gene-Ping Yang, Haibin Wu, Peng Su, Ruizhe Huang, Suwon Shon, Bach Do, Minxue Niu, Zhaoheng Ni, Shang-Wen Li, Florian Metze, Yossi Adi, Ming Sun, Yuzong Liu·· 4 小时前AI 评分24
Beyond Words：ASR 中非语言发声的有效建模
Beyond Words: Towards Effective Modeling of Non-Verbal Vocalizations in ASR
AI 导读
研究提出三种数据中心策略提升 ASR 对非语言发声（NVs，如笑声、呼吸、咳嗽、哭声）的识别：两阶段课程学习（先映射到通用 token 再在目标类别上微调）、从高资源事件（笑声、呼吸）向稀有事件（哭泣）的 token 间迁移，以及带类别平衡的语音转换增强。
来源：arXiv · Audio and Speech · arxiv.org