arXiv · NLP· Husein Zolkepli·· 2026-10-14AI 评分23
基于 Whisper 微调的语音强制对齐器在电话语音单词边界检测上超越 MFA
Where Words Begin and End
AI 导读
研究者微调 Whisper 预测单词起止时间戳,构建的强制对齐器在电话语音上的单词边界误差为 16.0 ms,优于 MFA 的 36.5 ms。 模型仅使用 47 小时人工标注边界数据训练,采用 LoRA 微调并优化了时间戳槽位布局,对转录错误具有极强鲁棒性。 该结果在 FA-Bench 基准上达到 11.6 ms 误差,优于最佳已发表系统的 18.2 ms,并发布了相关模型。
来源:arXiv · NLP · arxiv.org