WHISTRESS：通过句子重音检测丰富转录文本
计算与语言
2025-05-27 v1 声音
音频与语音处理
摘要
语言的意义不仅通过词语传递，还通过语调、情感和强调传递。句子重音是对特定单词Within句子所施加的强调，对传递说话者意图至关重要，已在语言学中受到广泛研究。在本工作中，我们引入WHISTRESS，这是一个无对齐方式的，用于增强转录系统的句子重音检测方法。为支持此任务，我们提出TINYSTRESS-15K，这是一个可扩展的、用于句子重音检测任务的合成训练数据，源于完全自动化的数据集创建过程。我们在TINYSTRESS-15K上训练WHISTRESS，并对其进行与多个竞争性基线方法的评估。我们的结果表明，WHISTRESS在不需在训练或推理期间引入额外输入先验条件的情况下，优于现有方法。值得注意的是，尽管在合成数据上进行训练，WHISTRESS仍在多样化基准上表现出强大的零样本泛化能力。项目页面：https://pages.cs.huji.ac.il/adiyoss-lab/whistress。
引用
@article{arxiv.2505.19103,
title = {WHISTRESS: Enriching Transcriptions with Sentence Stress Detection},
author = {Iddo Yosha and Dorin Shteyman and Yossi Adi},
journal= {arXiv preprint arXiv:2505.19103},
year = {2025}
}
备注
Accepted to Interspeech2025