日语口语评测专用 ASR:莫拉标签错误率从 12.3% 降至 7.1%
tkasasagi · x · 2026-09-27
作者将在 Interspeech(悉尼)展示论文《Building Tailored Speech Recognizers for Japanese Speaking Assessment》,项目服务于日语作为第二语言的教育场景,聚焦带声调标注的音素级 ASR。
论文要点:
- 目标是输出带声调标记的音素标签,但带精确音位转写标注的训练数据稀缺。
- 提出两种缓解数据稀疏的方法:一是多任务训练,引入辅助损失估计正字法文本与音高模式,从而利用仅有正字标注的数据;二是基于有限状态转换器(FST)算法融合音素串估计器与文本 token 序列估计器。
- 实验显示多任务学习与融合均有效,在 CSJ 核心评测集上平均莫拉标签错误率从 12.3% 降至 7.1%,优于通用多语种识别器。
「多模态」频道最新
- 动态模糊人像 AI 作品:暗调光影拍出胶片质感 — azed_ai · 2026-11-16
- 包豪斯功能主义风格 prompt 模板,一键出几何海报感 — LudovicCreator · 2026-11-16
- Vivix W1 视频模型升级:5 美元批量生成 100 条 10 秒广告视频 — Aiden_Tech_Ai · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Reddit 音频模型大盘点:开源 ASR/TTS/文生音乐 9 个月后再度征集 — rm-rf-rm · 2026-11-16
- 用 FLUX.2 klein 给 2D 游戏生成循环动画:掩码法可行但仍是 hack — emilrueh · 2026-11-16