phoneme

PD-GS提出了一种用于音频驱动说话头的音素驱动3D高斯泼溅方法，利用语言融合模块改善嘴唇发音并减少闭合违例。

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。

本文使用音素错误率和新的Soft PER指标，评估了基于音素的自动语音识别系统（特别是WhisperIPA和ZIPA）中的人口统计和口音偏见，揭示了跨语言和群体的持续差异。