acoustic-modeling

Myovox 从记录自面部肌肉的 31 通道表面肌电图中解码开放词汇英文文本，通过解码纠正、双向 Conformer 训练与跨模态蒸馏以及语言模型重排序，在 emg2speech 通用语料库上实现了 18.53% 的词错误率。

本文介绍了一种在SpeechLLMs中进行词级时间戳标注的方法，该方法利用相对时间区间和掩码训练，以提高预测准确性和对噪声真实世界标注的鲁棒性。

Eigendrum 是一款网页工具，允许用户绘制形状，并通过有限元方法求解鼓膜振动的特征值问题，从而听到形状产生的真实鼓声。

本文提出使用带有发音特征的音素识别来评估语音发音合成，解决了点对点距离等传统指标的局限性。在单说话人RT-MRI数据集上的实验表明，该方法能够捕捉语音细节并改进评估。