arXiv cs.CL· Kien Nguyen, Tuan Dinh, Bao Phan·· 11 小时前AI 评分34
微调 Transducer 改善受损语音识别：SAPC2 挑战赛的增益分布与评测启示
Fine-Tuning a Transducer for Impaired Speech: Where the Gains Appear and What They Mean for Evaluation
AI 导读
在 Speech Accessibility Project Challenge 2（SAPC2）中，研究者用公开语音识别器在挑战数据上微调，最佳成绩在隐藏测试集 Test1 上取得 7.81% 字符错误率，官方基线为 15.26%。
正文 · AI 翻译
摘要：对于许多因 ALS、帕金森病、脑瘫、唐氏综合征或中风等疾病而影响言语的人来说，语音识别仍然效果不佳。我们使用一个在挑战赛数据上微调过的公开语音识别器参加了 Speech Accessibility Project Challenge 2（SAPC2）。我们最佳参赛作品在两个隐藏测试集之一的 Test1 上取得了 7.81% 的字符错误率（官方基线为 15.26%）。我们的在线参赛作品在 CPU 上运行，合并中位延迟约为 0.9 秒，错误率为 7.96-8.07%。对于新说话人，微调对现成识别器最难理解的说话人带来的错误降低最多。训练中已见过的句子错误率远低于新句子（2.58% 对 6.42%），这一差异比是否为熟悉说话人带来的差异更大。最后，我们总结了评估此类系统的经验教训。
| 评论： | 6 页，4 张表。已被 NeurIPS 2026 的 SAPC2 Competition Workshop 接收 |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2611.07587 [cs.CL] |
| （或 arXiv:2611.07587v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07587 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kien Nguyen [查看邮箱]
[v1]
2026 年 11 月 5 日星期四 07:39:12 UTC（13 KB）
来源：arXiv cs.CL · arxiv.org