T-SANDHI 解耦变调提升低资源台语识别
热点事件持续更新
T-SANDHI 解耦变调提升低资源台语识别
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Hung-Yang Sung 等作者提出 T-SANDHI 声调变调感知自适应网络，用于低资源台语（闽南语）语音识别。该方法在冻结的 Whisper 骨干上显式解耦表层声学与底层词汇意图，用词典引导的多任务学习和文本伪标签驱动的轻量混合注入模块，通过动态门控整合本调与变调两条语音流。 作者称，实验显示语音基础模型本身能有效处理变调，真正瓶颈是变调与保留本调之间的局部混淆；T-SANDHI 在 TAT-MOE 语料和两个盲测集上以严格参数效率超越基线。
AI 根据报道生成 · 44 分钟前更新
最新进展11月11日 13:00
T-SANDHI：面向低资源台语（闽南语）语音识别的变调感知自适应网络报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.CLT-SANDHI：面向低资源台语（闽南语）语音识别的变调感知自适应网络
针对台语（闽南语）ASR，研究提出 T-SANDHI，在冻结的 Whisper 骨干上显式解耦表层声学与底层词汇意图，用词典引导的多任务学习和文本伪标签驱动的轻量混合注入模块，通过动态门控整合本调与变调两条语音流。实验表明语音基础模型本身能有效处理变调，真正瓶颈是变调与保留本调之间的局部混淆；该方法在 TAT-MOE 语料和两个盲测集上以严格参数效率超越基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。