OxfordVGG 团队在 EGO4D 音视频转写挑战赛中的提交方案
声音
2023-07-19 v1 机器学习
音频与语音处理
摘要
本报告介绍了 OxfordVGG 团队在 EGO4D 音视频（AV）自动语音识别挑战赛 2023 上所提交方案的技术细节。我们提出了 WhisperX，一种用于长音频高效语音转写并带词级时间对齐的系统，以及两个公开可用的文本规整器。我们的最终提交在挑战赛测试集上取得了 56.0% 的词错误率（WER），在排行榜上排名第 1。所有基线代码与模型见 https://github.com/m-bain/whisperX。
引用
@article{arxiv.2307.09006,
title = {OxfordVGG Submission to the EGO4D AV Transcription Challenge},
author = {Jaesung Huh and Max Bain and Andrew Zisserman},
journal= {arXiv preprint arXiv:2307.09006},
year = {2023}
}
备注
Technical Report