标签
本文介绍了Pruned CTC,这是一种通过限制对齐计算来降低大词汇量自动语音识别中连接时序分类训练内存使用的方法,证明了其与全词汇量CTC的等价性,并展示了在离线和流式设置下与LLM适配的强大性能。
本文研究了音素与字符目标以及选择性状态空间模型(Mamba)对皮层内脑到文本解码的影响,发现基于GRU的循环解码器在Brain-to-Text '25基准测试中仍是表现最强的模型。
本文介绍了一种基于梯度的语音到文本对齐方法,适用于任何可微分的ASR模型,包括CTC、transducer、基于注意力的编码器-解码器以及语音大语言模型,无需训练或模型修改。