Speaker Diarization
Pyannote
说话人分离性能评估：Pyannote.audio vs Nvidia NeMo 及 GPT-4 后处理
通过 DER 分析和实时应用开发，对说话人分离框架进行比较评估。验证 Pyannote.audio 与 Nvidia NeMo 之间的性能差异。
Taishin Maeda - Waseda University
3 min
博客
VoicePing的见解、技巧和更新
Pronunciation
Speech Analysis
基于自注意力模型的音节级发音重音检测
利用自注意力模型识别英语口语中音节重音级别的研究
Wang Weiying and Nakajima Akinori
1 min
Machine Translation
In-Context Learning
提升机器翻译中的 In-Context Learning 性能
利用 TF-IDF 检索为 GPT-4 翻译提供更优质的 In-Context Learning 示例，从而提升翻译性能的研究报告。
Chen Yufeng - Waseda University
2 min
Machine Translation
BLEU
机器翻译精度评估与改进方法
基于多种评估指标和5个基准翻译模型，对机器翻译质量进行综合评估与改进的研究
Chen Yufeng - Waseda University
5 min
ASR
Whisper
日语与越南语 ASR 模型微调
基于 OpenAI Whisper 和 Azure Speech Studio 对越南语及日语语音识别进行微调的研究成果。
Vikas Reddy - University of Maryland
6 min
ASR
Whisper
自动语音识别大语言模型的训练、评估与部署
涵盖 Whisper 微调、说话人分离以及多种 ASR 模型对比评估的综合研究报告。
Linchuan Du - The University of British Columbia
12 min