面向对话语音的显著性感知自动语音识别
计算与语言
2025-09-15 v1 音频与语音处理
摘要
本文探讨了显著性感知自动语音识别 (ASR)，通过结合显著性检测与语音识别实现对对话式奥地利德语的处理。首先开发了显著性检测器，通过微调 wav2vec2 模型对词级显著性进行分类。随后利用这些注释自动标注大型语料库中的韵律显著性。基于这些注释，我们训练了新的显著性感知 ASR 系统，同时对单词及其显著性水平进行转录。显著性信息的集成未显著影响基线 ASR 系统的性能，但在识别单词序列正确的 utterances 中达到了 85.53% 的显著性检测准确率。本文表明基于 Transformer 的模型能够有效编码韵律信息，为韵律增强型 ASR 带来了新的贡献，潜在可用于语言学研究和韵律信息化对话系统。
关键词
引用
@article{arxiv.2509.10116,
title = {Prominence-aware automatic speech recognition for conversational speech},
author = {Julian Linke and Barbara Schuppler},
journal= {arXiv preprint arXiv:2509.10116},
year = {2025}
}