Whisper 微调数据子集选择：基于嵌入的 k-center 算法优于随机采样

研究者提出基于 Whisper 预训练编码器的嵌入子集选择方法，在希伯来语和丹麦语 ASR 微调中表现优于随机采样。 该方法使用固定维度嵌入空间与贪心 k-center 算法挑选多样且具代表性的训练子集，k-center 子集在较小规模下捕获更广词汇多样性，显著提升识别效果。