跳到正文
arXiv · NLP· Kadir Goksel Gunduz·· 3 天前AI 评分26

诊断低资源语音识别模型声学收窄并验证独立分布模型选择必要性

Winning the Leaderboard, Losing the Distribution: Diagnosing and Mitigating Acoustic Narrowing in Low-Resource ASR

AI 导读

summary_zh: 低资源ASR微调模型whisper-large-v3-turbo在公开榜单上以9.02% WER超越11.93%基线,但在独立构建的FLEURS-TR基准上反而弱于未修改基线,这种现象被称为声学收窄。

来源:arXiv · NLP · arxiv.org