Murmur 转写长音频提速 2.5 倍,准确率全面超 WhisperX
bariskasikci · x · 2026-11-20
华盛顿大学 SyFi 实验室推出 Murmur,一个针对长上下文语音识别的系统。传统方案存在取舍:单遍解码准确但慢,分块处理快但会丢失说话人信息和时间戳。
Murmur 转写长音频的速度比单遍解码快 2.5 倍,同时在团队测试的所有 benchmark 上准确率都超过 WhisperX。项目由本科生研究员 Ruby Lee 主导,她正申请 PhD,招募方可以关注。
「研究」频道最新
- AI 攻克 MIPLIB 九年无人解的开放组合优化难题 — IgorCarron · 2026-11-20
- 姚顺雨内部分享笔记流出:小模型体系、RSI 与小实验陷阱 — yangyi · 2026-11-20
- Salesforce 发布 BLIP-Live:主动式流视频理解达 SOTA — Salesforce · 2026-11-20
- RICoT 论文:让 LLM 像读者一样逐页推理,页流分割 F1 达 0.915 — Prashant Khatri · 2026-11-20
- 惊人发现:仅 1 个神经元做语言识别达 99.1%,超专用模型 — julianweisser · 2026-11-20
- LoGo 方法:局部+全局奖励修复视频世界模型的 3D 一致性 — georgiagkioxari · 2026-11-20