arXiv cs.AI· Zhiwei Lin, Kaiqi Fu, Rime Wen, Zehan Liu, Shawn Qin, Roy Gan, Hao Wang·2026-10-09 12:00· 3 小时前AI 评分27

X2Streaming-ASR：不确定就等待，就绪即输出的流式 ASR

X2Streaming-ASR: wait when uncertain, emit when ready for streaming ASR

AI 导读

X2Streaming-ASR 将流式语音识别拆解为"何时提交"与"提交什么"，通过三阶段训练建立流式识别能力并用字符级、分段分配的分组相对奖励优化提交策略。在十个中英文测试集上，其平均提交延迟相对强制对齐端点最低，中文为 32–109ms、英文为 12–85ms，识别准确率与现有系统相当。

来源：arXiv cs.AI · arxiv.org