BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Unified Speech Recognition: A Single Model for Auditory, Visual, and Audiovisual Inputs

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究提出了一种统一的语音识别模型，解决了以往听觉、视觉和视听语音识别研究独立进行的问题。通过贪婪伪标签方法，利用未标记样本提升模型性能，最终在多个数据集上达到了最新技术水平。

🏷️

标签

model 技术水平 未标记样本 统一模型 语音识别 贪婪伪标签
➡️

继续阅读

  1. Qwen Audio：复杂人声干扰下，如何让 ASR “听对人”
    本文探讨语音识别在多人环境中“听对人”的挑战，即区分用户与背景人声。对比两种技术路线：基于身份注册的Target-Speaker ASR和基于场景线索的前...
  2. dsh-speech测评：DeepSeek Harness语音插件让打字变成历史
    dsh-speech是DeepSeek Harness的语音插件，支持实时语音输入和AI回答的语音摘要，由AllModels.io提供技术。它区别于其他插...
  3. Blume: Zero-Config Docs Framework That Turns a Markdown Folder into an AI-Ready Website
    Blume is an open-source documentation framework that converts Markdown into a...
  4. 苹果提前「揭晓」触屏 MacBook Pro，我终于能戳同事电脑了
    苹果正在研发首款OLED触屏MacBook，预计2025年10月发布，搭载M5芯片并采用灵动岛设计。macOS 27将加入触控支持，区分直接与间接触控，并...
  5. Redefining GIS: Declarative Symbology and Collaborative Workflows in JupyterGIS
    JupyterGIS is a GIS-focused extension for Jupyter notebooks. The recent 0.16 ...
  6. 2001，电脑进了家门
    2001年的房间里，年轻人坐在电脑前
👤 个人中心
在公众号发送验证码完成验证