At Interspeech 2025, Bloomberg's AI engineers explore how they adapted OpenAI's Whisper system into a true streaming automatic speech recognition (ASR) model that delivers real-time CPU...

本研究提出了一种结合超声声响与机器学习的新方法，用于小鼠自闭症谱系障碍（ASD）的检测，显示出良好的分类效果，为ASD检测开辟了新方向。

该研究评估了基于Transformer的语音表示模型在多语言语音情感识别中的性能，发现使用最优层特征可降低错误率32%。在德语和波斯语中取得了最新成果，强调中间层对情感信息捕捉的重要性，并提出了多预训练模型和特征增强方法，以提升情感识别的准确率。

本文探讨了语音识别和生成系统的研究进展，重点关注印度语言的ASR模型和视觉语音识别系统的表现。研究表明，离散单元在语音处理中的有效性，以及通过不同技术提高识别准确率的潜力。

Interspeech 2023收录了火山引擎流媒体音频团队的4篇研究论文，涵盖了语音增强、基于AI编解码、回声消除和无监督自适应语音增强等领域。他们在无监督自适应语音增强方面获得了CHiME挑战赛冠军。此外，他们还提出了轻量级语音谐波增强方法、端到端神经网络音频编码器、回声消除方法和无监督域自适应语音增强系统。