Apple Machine Learning ResearchT1·基座大模型
48 分
提出一种直接从语音中检测语码转换(Code-Switching)的轻量级方法,通过识别预训练语音编码器中的“语言选择性隐藏状态维度”并聚合帧级激活值来判定双语存在。该方法在 CS-FLEURS 数据集上使 Whisper-small 编码器达到 0.798 的平均 F1 分数,优于传统 CNN 和 HuBERT 基线,为构建更具代表性的多语言语料库提供了高效工具。
Code-switching
在同一句话中自然混合使用多种语言的现象
提出一种直接从语音中检测语码转换(Code-Switching)的轻量级方法,通过识别预训练语音编码器中的“语言选择性隐藏状态维度”并聚合帧级激活值来判定双语存在。该方法在 CS-FLEURS 数据集上使 Whisper-small 编码器达到 0.798 的平均 F1 分数,优于传统 CNN 和 HuBERT 基线,为构建更具代表性的多语言语料库提供了高效工具。
阿布扎比人工智能研究所(TII)正式推出开源语音识别模型 Falcon ASR,重点解决阿拉伯语在自动语音识别中的低资源痛点。该模型基于 Falcon LLM 系列架构,针对阿拉伯语方言及英语混合场景进行了深度优化,旨在为中东地区提供高精度、可定制的本地化语音交互基础设施。
智谱AI发布并开源了15亿参数的语音识别模型GLM-ASR-Nano,专为高鲁棒性真实场景设计。该模型在开源基准测试中取得4.10的平均错误率,显著优于Whisper V3(6.93),并在方言、低音量及多语言混合场景中表现卓越。其采用“重感知、极致压缩”的非对称架构,已率先应用于智谱AI输入法的生产环境。