利用相似性差异解耦的音频差异字幕生成

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。