MedAstra推无需ASR的语音检索医疗问答框架

Elahe Khatibi等作者发布论文，提出 MedAstra 语音检索框架：将冻结的 WavLM 语音表示经轻量适配器映射进冻结的 E5 文本嵌入空间，直接以语音波形作为查询，无需先做语音识别（ASR）。作者报告其语音检索器 Recall@10 为 87.6，混合配置达 90.4，高于转写优先稠密检索的 81.0。 据论文说明，“无需 ASR”仅指最初的语音检索环节；词法检索、基于字符串的实体校正和文本生成仍需文本输入。作者同时指出，该确定性语音嵌入不构成经过校准的声学不确定性模型。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。