Hot eventLive
ASR非语言发声建模研究提出三种策略
1 reports1 sources4 hr ago updated
Get the story
AI overview
2026年10月8日，arXiv平台Audio and Speech栏目发布一手研究论文《Beyond Words：ASR中非语言发声的有效建模》。研究针对自动语音识别（ASR）中非语言发声（NVs，如笑声、呼吸、咳嗽、哭声）的建模问题，提出三种数据中心策略：一是两阶段课程学习，先将模型映射到通用token，再在目标类别上微调；二是token间迁移，从高资源事件（笑声、呼吸）向稀有事件（哭泣）迁移；三是带类别平衡的语音转换增强。论文目前仅公开上述方法框架，未披露实验数据或进一步验证结果。
Generated from reports · updated 3 hr ago
LatestOct 8
arXiv新论文提出三种策略提升ASR对笑声、呼吸、咳嗽等非语言发声的识别。Timeline
Follow the coverage from different angles.
Oct 8, 2026
- arXiv · Audio and SpeechBeyond Words：ASR 中非语言发声的有效建模
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。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.