arXiv cs.CL· Lukuan Dong, Ziwei Li, Saierdaer Yusuyin, Xianyu Zhao, Zhijian Ou·· 4 小时前AI 评分22
基于 LLM 的多语言音素到字素转换研究：CV-Lang10 基准上 WER 降至 7.66%
Advancing LLM-based phoneme-to-grapheme for multilingual speech recognition
AI 导读
研究者在十语言 CV-Lang10 基准上探索基于 LLM 的多语言音素到字素（P2G）转换，提出 S-SKM 蒙特卡洛近似方法，避免在 P2G 训练中使用基于 CTC 的 S2P 概率加权。结合鲁棒训练与低资源过采样，平均 WER 从 10.56% 降至 7.66%。
来源：arXiv cs.CL · arxiv.org