行业落地arXiv cs.CL4 天前
PEDBench: Can Speech Models Detect Phonetic Errors?
PEDBench 是首个音素级错误检测基准，涵盖儿童真实发音错误、演员脚本错误和 TTS 合成错误三类数据，由两名语音标注员校验。评测 13 个主流语音模型发现其检测精度低、误报率高，即使受控条件也不可靠；基于合成数据微调的语音语言模型在词级 PED 上超越商业与开源基线，但仍存在仿真到真实的域差距。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 2 条符合条件
当前筛选#speech×
大模型arXiv cs.CL4 天前
Reference-Guided Turn-Taking Style Transfer for Full-Duplex Spoken Language Models
该研究在全双工语音语言模型中发现一个决定「何时抢话」的晚期残差流方向——initiative vector，无需训练或标注即可从模型自身对话中提取。缩放该方向可将说话占比从 6-12% 调至 42-61%，并能用一段短参考录音把特定说话人的轮流风格迁移到模型上，且迁移具有参考特异性。