arXiv · Computation and Language· David Porte\v{s}, Ale\v{s} Hor\'ak·2026-10-09 12:00· 3 小时前AI 评分34

Prosody-to-Text：基于低通滤波语音预测文本

Prosody-to-Text: Predicting text from low-pass filtered speech

AI 导读

研究者微调 Whisper 模型，仅使用约 450Hz 截止的低通滤波（12 个最低 Mel 频段）从韵律模式恢复原文，WER 为 36%，10% 的语句被完美恢复，40% 的语句 WER 不超过 25%。在给定正确前缀时，下一个 token 的预测准确率达 79%。结果表明低频语音特征与词汇内容的关联强于此前认知，或可用于引导现代 LLM 的文本生成。

来源：arXiv · Computation and Language · arxiv.org

#论文/研究 #语音