本文提出了一种混合方法，结合预训练卷积编码器与语言模型解码器，解决自动音乐转录中的手动阈值设定和长序列处理问题，显著降低计算成本并提升性能。

DiaCorrect是一种错误修正框架，可改进音频识别系统的输出。该方法包括两个卷积编码器和一个基于转换的解码器，通过利用输入录音和初始系统输出之间的相互作用，自动校正初始说话者活动以最小化识别错误。实验表明，DiaCorrect可以有效地改善初始模型的结果。