利用相似性差异解耦的音频差异字幕生成
原文中文，约300字，阅读约需1分钟。发表于：。对类似但略有不同的音频剪辑进行语义差异描述的音频差异字幕（ADC）是一项新的扩展任务，通过比较一对音频剪辑和强调潜在空间中的差异以提取差异的交叉注意力集中型变压器编码器来解决常规音频字幕生成类似标题的问题。
本文介绍了一种使用编码器-解码器架构的音频标题系统，并通过转移学习解决数据稀缺性问题。强化学习将评估指标纳入模型优化中，解决了训练策略和评估指标不匹配的问题。该方法在DCASE 2021 Task 6中排名第三，并通过消融研究验证了系统中每个要素的贡献。结果显示，该技术显著提高了评估指标得分，但可能对生成的标题质量产生不利影响。
