評測前沿 ASR 在語碼轉換語音上的表現
Hugging Face 探討了現有的語音代理如何處理在句中切換語言的雙語使用者。該研究為評估真實多語言場景下的 ASR 模型提供了基準測試。
Search
Tag: #speech-recognition34 results
如何針對特定領域微調 Nemotron 3.5 ASR
本教學提供針對 Nemotron 3.5 ASR 模型進行微調的完整指南。內容涵蓋如何調整模型以適應特定語言、專業領域或獨特口音，進而提升語音轉文字的準確度。
🎵
提示工程提升自動語音辨識準確度
開發者分享用於全雙工語音模型 MichiAI 的進階提示工程技巧。用於自動語音辨識（ASR）的脈絡提示，指定如車牌或姓名類別，優於 Deepgram 的單字提升。包含部落格、Github 與語音代理範例。
有道推出業界首個同傳Agent
网易有道發布業界首個同傳Agent，使用戶可在有道詞典與有道翻譯首頁體驗。新增加錄音轉寫功能，並持續優化識別廣度、準確率及複雜場景適配性。支援71種語言、125種口音，包括粵語與印度英語。
Intron將語音辨識擴展至57種語言
尼日利亞AI新創Intron以Sahara v2將語音辨識平台擴展至57種語言。它涵蓋23種非洲語言，並支援超過500種不同的非洲口音，提升多元地區的可及性。
🎵
語音模型街名辨識失敗39%
如Whisper和Deepgram等頂尖語音模型在基準測試中接近人類水準，但在街名辨識上失敗率達39%。Together AI的新研究揭露基準測試與真實世界應用的關鍵差距。研究同時提出改善可靠性的解決方案。
語音輸入叩響 AI 世界大門
文章探討語音輸入法是否可能成為進入 AI 應用的主要入口。內容強調語音介面在系統層級所能提供的流暢使用體驗。
Google Rambler 旨在改善混亂的語音轉文字輸入體驗
Google 正在為 Gboard 開發一項名為 Rambler 的新功能，旨在優化語音輸入體驗。該功能致力於將雜亂無章的口語轉化為條理清晰、適合發送的訊息。
研究發現男性使用「氣泡音」的頻率高於女性
一項最新研究挑戰了「女性是氣泡音（vocal fry）主要使用者」的刻板印象。研究指出，這種偏見源於社會建構，而非實際的語音聲學模式。
AI偵測『那句話，是惡客騷擾嗎？』對話文字化留證
プラスアルファ・コンサルティング推出 AI 惡客守護，用 AI 偵測面對面接客中的惡客騷擾。透過語音辨識將對話轉為文字，可視化接客情況並確保證據保存。這支援日本的接客企業。