会员服务
语音识别是计算机科学和计算语言学的一个跨学科子领域，它发展了一些方法和技术，使计算机可以将口语识别和翻译成文本。 它也被称为自动语音识别（ASR），计算机语音识别或语音转文本（STT）。它整合了计算机科学，语言学和计算机工程领域的知识和研究。
Mitigating Attention Sinks and Massive Activations in Audio-Visual Speech Recognition with LLMs
Arxiv
0+阅读 · 11月2日
Overview of the MEDIQA-OE 2025 Shared Task on Medical Order Extraction from Doctor-Patient Consultations
Arxiv
0+阅读 · 10月30日
Reference Microphone Selection for Guided Source Separation based on the Normalized L-p Norm
Arxiv
0+阅读 · 10月31日
Speak & Spell: LLM-Driven Controllable Phonetic Error Augmentation for Robust Dialogue State Tracking
Arxiv
0+阅读 · 10月30日
UV-Attack: Physical-World Adversarial Attacks for Person Detection via Dynamic-NeRF-based UV Mapping
Arxiv
0+阅读 · 10月30日
Application of Whisper in Clinical Practice: the Post-Stroke Speech Assessment during a Naming Task
Arxiv
0+阅读 · 10月28日
POWSM: A Phonetic Open Whisper-Style Speech Foundation Model
Arxiv
0+阅读 · 10月28日
Are ASR foundation models generalized enough to capture features of regional dialects for low-resource languages?
Arxiv
0+阅读 · 10月29日
Explainable Disentanglement on Discrete Speech Representations for Noise-Robust ASR
Arxiv
0+阅读 · 10月29日
A Neural Model for Contextual Biasing Score Learning and Filtering
Arxiv
0+阅读 · 10月27日
BEST-RQ-Based Self-Supervised Learning for Whisper Domain Adaptation
BEST-RQ-Based Self-Supervised Learning for Whisper Domain Adaptation
Arxiv
0+阅读 · 10月28日
RegSpeech12: A Regional Corpus of Bengali Spontaneous Speech Across Dialects
Arxiv
0+阅读 · 10月28日
Jailbreak Mimicry: Automated Discovery of Narrative-Based Jailbreaks for Large Language Models
Arxiv
0+阅读 · 10月24日
M-CIF: Multi-Scale Alignment For CIF-Based Non-Autoregressive ASR
Arxiv
0+阅读 · 10月25日
Arabic Little STT: Arabic Children Speech Recognition Dataset
Arxiv
0+阅读 · 10月27日
参考链接
父主题
模式识别
语音技术
子主题
科大讯飞
Cortana
小i机器人
Siri
云知声
Nuance
语音助手
微信扫码咨询专知VIP会员
Top