Exploiting Vietnamese Social Media Characteristics for Textual Emotion Recognition in Vietnamese
University of Information Technology(信息技术大学);Vietnam National University, Ho Chi Minh City(胡志明市越南国家大学)
文本情感识别是近年来一个很有前途的研究课题。许多研究人员致力于建立更准确和更强大的情感检测系统。在本文中,我们进行了几个实验,以表明如何数据预处理影响文本情感识别的机器学习方法。这些实验是在越南社交媒体情感语料库(VSM-VSMEC)作为基准数据集上进行的。我们探讨越南社会媒体的特点,提出不同的预处理技术,和关键句提取与情感背景,以提高机器的性能,在越南语-VSMEC。我们的实验评估表明,通过基于越南社交媒体特征的适当预处理技术,多项逻辑回归(MLR)实现了64.40%的最佳F1分数,比由ESP-VSMEC作者建立的CNN模型(59.74%)显著提高了4.66%。
2020-10-27 cs.CL
Diacritic Recognition Performance in Arabic ASR
MBZUAI(穆罕默德·本·扎耶德人工智能大学)
该研究针对阿拉伯语ASR变音识别性能展开分析,通过不同变音标注条件微调预训练模型,分离评估变音识别效果,证实ASR变音标注优于文本后处理方法,人工标注微调时效果更优。
2023-02-27 cs.CL
Toward Practical Automatic Speech Recognition and Post-Processing: a Call for Explainable Error Benchmark Guideline
Korea University(高丽大学);Upstage
针对传统ASR评估仅靠单一综合指标无法全面揭示缺陷、且难以兼顾识别准确率与用户友好性的问题,本研究提出构建兼顾语音和文本层面的EEB数据集,提供以真实场景为中心的细粒度评估路径,助力系统缺陷修正与用户体验提升。
2024-01-26 cs.CL
Algorithms for Speech Recognition and Language Processing
语音处理需要非常有效的方法和算法。最近已被证明,双态传感器构成了一个非常有用的抽象模型,并导致在这个领域的高效的时间和空间算法。我们提出了这些方法和算法,并说明他们在语音识别的情况下。除了经典的技术,我们描述了许多新的算法,如最小化,全球和当地的飞行确定加权自动机,和高效的组合物的传感器。这些方法目前用于大词汇量语音识别系统。然后,我们将展示如何在文本到语音的应用程序和相关领域的语言处理,如形态,语法和本地语法,在一个非常有效的方式使用相同的形式主义和算法。该教程是独立的,不需要任何特定的计算或语言知识,除了经典的结果。
1996-09-17 cmp-lg cs.CL
Categorize Early, Integrate Late: Divergent Processing Strategies in Automatic Speech Recognition
Stanford University(斯坦福大学)
研究通过架构指纹法分析Transformer和Conformer在语音识别中的处理策略,发现Conformer早分类早判别,而Transformer晚整合,揭示了不同架构对表示学习的影响。
2026-06-27 cs.CL
Enhancing Biomedical Named Entity Recognition using GLiNER-BioMed with Targeted Dictionary-Based Post-processing for BioASQ 2025 task 6
Georgia Institute of Technology(佐治亚理工学院)
本研究评估 GLiNER-BioMed 模型并引入基于字典的定向后处理策略解决 BioNER 误分类问题,虽在开发集提升 F1 至 0.83,但在盲测集降至 0.77,揭示了过拟合挑战与泛化必要性。
2025-10-03 cs.CL
Online Gesture Recognition using Transformer and Natural Language Processing
University College Dublin(都柏林大学学院);University of Pisa(比萨大学)
本研究提出基于Transformer的在线手写手势识别方法,结合注意力机制、BPE大解码空间与多语言迁移学习,在新数据集上实现英法德94%-96%的识别准确率。
2023-05-05 cs.CL
CPPF: A contextual and post-processing-free model for automatic speech recognition
Meituan(美团)
本文提出 CPPF 模型,将上下文 ASR 与多种 ASR 后处理任务无缝集成到单一模型中,以缩短流水线、避免级联错误,并在不显著损失识别性能的情况下直接生成后处理文本。
2023-09-21 cs.CL cs.SD eess.AS
Using Domain Knowledge for Low Resource Named Entity Recognition
Beijing Institute of Technology(北京理工大学)
近年来,命名实体识别一直是自然语言处理领域的研究热点,而传统的深度学习方法需要大量的标注数据进行模型训练,这使得其不适合标注资源稀缺的领域。此外,现有的跨领域知识转移方法需要针对不同领域调整实体标签,从而增加了培训成本。针对这些问题,本文在一种中文命名实体识别处理方法的启发下,提出利用领域知识来提高资源匮乏地区命名实体识别的性能。我们主要应用的领域知识是领域词典和领域标注数据。我们使用字典信息来加强每个词的词嵌入和领域标记的数据,以加强识别效果。该模型避免了在不同领域的大规模数据调整,同时处理命名实体识别资源少。实验证明了该方法的有效性,在科技装备领域的数据集上取得了令人印象深刻的效果,F1得分与其他许多基线方法相比有了明显的提高。
2022-03-28 cs.CL
LMN at SemEval-2022 Task 11: A Transformer-based System for English Named Entity Recognition
Van Ho Middle School(范和中学)
处理复杂且有歧义的命名实体是一个具有挑战性的研究问题,但它还没有得到自然语言处理界的足够重视。在这篇简短的论文中,我们介绍了我们参与SemEval-2022任务11:多语言复杂命名实体识别的英语轨道。受预训练的Transformer语言模型的最新进展的启发,我们提出了一个简单而有效的基于Transformer的任务基线。尽管它很简单,我们提出的方法在排行榜上显示出有竞争力的结果,因为我们在30个团队中排名12。我们的系统实现了宏观F1分数为72.50%的举行了测试集。我们还探索了使用实体链接的数据增强方法。虽然这种方法并没有提高最终的性能,我们也讨论了它在本文中。
2022-02-13 cs.CL
ESPnet: End-to-End Speech Processing Toolkit
Johns Hopkins University(约翰斯·霍普金斯大学);Mitsubishi Electric Research Laboratories(三菱电机研究实验室);NTT Communication Science Laboratories(NTT通信科学实验室);Nagoya University(名古屋大学);Retrieva, Inc.(Retrieva公司);Preferred Networks, Inc.(Preferred Networks公司);Waseda University(早稻田大学);Paderborn University(帕德博恩大学);Doshisha University(同志社大学)
本文介绍了一个新的开放源码的端到端语音处理平台ESPnet。ESPnet主要专注于端到端自动语音识别(ASR),并采用广泛使用的动态神经网络工具包Chainer和PyTorch作为主要的深度学习引擎。ESPnet还遵循Kaldi ASR工具包的数据处理、特征提取/格式和配方风格,为语音识别和其他语音处理实验提供完整的设置。本文介绍了这个软件平台的主要架构,几个重要的功能,区分ESPnet从其他开源ASR工具包,和实验结果与主要的ASR基准。
2018-03-30 cs.CL
Korean Bio-Medical Corpus (KBMC) for Medical Named Entity Recognition
Seoul National University(首尔大学);KAIST(韩国科学技术院)
针对韩语缺乏开源医学NER数据集的问题,研究利用ChatGPT构建了KBMC数据集,使医学NER性能较通用数据集提升20%,验证了专业工具与数据集在医疗NLP中的重要性。
2024-03-24 cs.CL
TANKER: Distributed Architecture for Named Entity Recognition and Disambiguation
InfAI, University of Leipzig(莱比锡大学 InfAI);AKSW, University of Leipzig(莱比锡大学 AKSW);SDA Research Group, University of Bonn(波恩大学 SDA 研究组)
命名实体识别和消歧(NERD)系统近来被广泛研究以处理Web的显著增长。NERD系统对于几个自然语言处理(NLP)任务至关重要,例如摘要、理解和机器翻译。然而,没有标准的接口规范,也就是说,这些系统在输出或处理输入方面可能会有很大的不同。因此,当一个给定的公司希望实施一个以上的NERD系统,该过程是相当详尽的,容易失败。此外,工业解决方案需要满足关键要求,例如,加工规模大、齐全、多功能、许可证多。通常,这些要求强加了一个限制,使得好的NERD模型被公司忽略。本文介绍了TANKER,一个分布式架构,其目的是克服可扩展性,可靠性和容错限制相关的工业需求相结合NERD系统。为此,TANKER依赖于面向微服务的架构,该架构可以实现复杂企业应用程序的敏捷开发和交付。此外,TANKER还提供了标准化的API,可以同时组合多个NERD系统。
2017-10-25 cs.CL
Monaural Multi-Talker Speech Recognition using Factorial Speech Processing Models
Amirkabir University of Technology(阿米尔卡比尔理工大学)
提出了一个Pascal挑战,题目是单耳多说话者语音识别,目标是针对明显降低自动语音识别系统性能的类语音噪声的鲁棒自动语音识别问题。在这个挑战中,两个竞争的发言者同时说一个简单的命令,目标是识别目标发言者的语音。令人惊讶的是,在挑战过程中,来自IBM研究的一个团队在这项任务上的表现比人类听众更好。IBM团队提出的方法,包括一个中间的语音分离,然后是一个单一的说话者语音识别。本文重新考虑这一挑战的基础上增益自适应阶乘语音处理模型的任务。它开发了一个联合令牌传递算法的直接话语解码的目标和掩蔽扬声器,同时。与挑战获胜者相比,它在解码过程中使用了过去两阶段方法中无法使用的最大不确定性。基于概率图模型的一般推理过程,详细推导了这些模型的推理过程。作为另一个改进,它使用深度神经网络进行联合说话人辨识和增益估计,这使得这两个步骤比之前更容易为这些步骤产生有竞争力的结果。这项工作提出的方法优于过去的超人结果,甚至是微软最近使用深度神经网络研究取得的结果。与第一个超级人类系统相比,它实现了5.5%的绝对任务性能提升,与最近的竞争对手相比,它实现了2.7%的绝对任务性能提升。
2016-10-05 cs.CL cs.SD
Investigation on Data Adaptation Techniques for Neural Named Entity Recognition
University of Amsterdam(阿姆斯特丹大学);RWTH Aachen University(亚琛工业大学)
数据处理是各种自然语言处理任务中的一个重要步骤。由于命名实体识别中常用的数据集只包含有限数量的样本,因此以有效和可靠的方式获得附加的标记数据是重要的。一种常见的做法是利用大型单语未标记语料库。另一种流行的技术是从原始标记数据创建合成数据(数据增强)。在这项工作中,我们研究了这两种方法对三种不同的命名实体识别任务的性能的影响。
2021-10-12 cs.CL cs.LG
Towards End-to-end Unsupervised Speech Recognition
Meta AI;MIT CSAIL(麻省理工学院计算机科学与人工智能实验室)
无监督语音识别显示出巨大的潜力,使自动语音识别(ASR)系统可访问的每一种语言。然而,现有的方法仍然严重依赖于手工制作的预处理。与使监督语音识别端到端的趋势类似,我们引入了wav 2 vec-U 2.0,它取消了所有音频端的预处理,并通过更好的架构提高了准确性。此外,我们引入了一个辅助的自监督目标,将模型预测与输入联系起来。实验表明,wav 2 vec-U 2.0改进了不同语言的无监督识别结果,同时在概念上更简单。
2022-06-15 cs.CL cs.SD eess.AS
A Comprehensive Gold Standard and Benchmark for Comics Text Detection and Recognition
Koç University(科奇大学);KUIS AI Center(KUIS人工智能中心)
这项研究的重点是提高光学字符识别(OCR)数据的面板在漫画数据集,最大的数据集包含文本和图像的漫画书。为此,我们开发了一个用于漫画书OCR处理和标签的管道,并创建了第一个针对西方漫画的文本检测和识别数据集,称为“COMICS Text+:Detection”和“COMICS Text+:Recognition”。我们评估了这些数据集上最先进的文本检测和识别模型的性能,发现与COMICS中的文本相比,单词准确性和归一化编辑距离有了显着提高。我们还创建了一个名为“COMICS Text+"的新数据集,其中包含从COMICS数据集中的文本框中提取的文本。在不改变模型结构的情况下,将改进后的文本数据COMICS Text+应用于漫画加工模型中,在完形填空任务上取得了最好的成绩。COMICS Text+数据集对于从事文本检测、识别和高级漫画处理(如叙事理解、人物关系和故事生成)等任务的研究人员来说是一个宝贵的资源。所有数据和推理指令都可以在https://github.com/gsoykan/comics_text_plus中访问。
2022-12-27 cs.AI cs.CL
An Adapter-Based Unified Model for Multiple Spoken Language Processing Tasks
National University of Singapore(新加坡国立大学);Naver Labs Europe(Naver欧洲实验室)
针对自监督语音模型多任务微调计算成本高的问题,提出基于adapter的统一口语处理模型,在SUPERB基准的5项任务上平均提升18.4%且参数更新高效。
2024-06-20 cs.AI cs.CL
Multilingual Alzheimer's Dementia Recognition through Spontaneous Speech: a Signal Processing Grand Challenge
Usher Institute, Edinburgh Medical School, The University of Edinburgh(爱丁堡大学爱丁堡医学院厄舍研究所);Carnegie Mellon University(卡内基梅隆大学);Information Technologies Institute, CERTH(希腊研究与技术基金会信息技术研究所)
这个信号处理大挑战(SPGC)的目标是一个困难的自动预测问题的社会和医学相关性,即,阿尔茨海默氏痴呆症(AD)的检测。与会者被邀请使用信号处理和机器学习方法来创建基于自发语音数据的预测模型。该挑战旨在评估基于一种语言(英语)的语音建立的预测模型在多大程度上推广到另一种语言(希腊语)。据我们所知,还没有研究多语种AD检测中语音信号的声学特征的工作。我们的基线系统使用传统的机器学习算法与声学特征的主动数据表示,在AD检测上实现了73.91%的准确度,在认知评分预测上实现了4.95的根均方误差。
2023-01-13 cs.AI cs.CL cs.LG
Actionable Entities Recognition Benchmark for Interactive Fiction
University of Lisbon(里斯本大学)
本文提出了一个新的自然语言处理任务-可操作实体识别(AER)-识别主角可以与之交互的实体,以进一步发展情节。虽然它与经典的命名实体识别(NER)类似,但又有着深刻的区别。特别是,它对于交互式小说至关重要,因为智能体需要检测未来可能有用的实体。我们还讨论了AER是否可能进一步有助于处理叙事处理的系统,因为可操作的实体深刻地影响了故事中的因果关系。我们在两个以前可用的数据集上验证了所提出的任务,并为AER任务提出了一个新的基准数据集,该数据集包括5550个具有一个或多个可操作实体的描述。
2022-11-16 cs.AI cs.CL cs.IR
High Performance Sequence-to-Sequence Model for Streaming Speech Recognition
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
最近,当以批处理模式处理音频数据时,序列到序列模型已经开始在标准语音识别任务上实现最先进的性能,即,当开始处理时,完整的音频数据是可用的。然而,当涉及到在音频数据的输入流上执行连续识别,同时实时地产生识别结果并且具有低的基于单词的延迟时,这些模型面临若干挑战。对于许多技术,要解码的整个音频序列需要在处理开始时可用,例如,注意力机制或双向LSTM(BLSTM)。在本文中,我们提出了几种技术来缓解这些问题。我们引入了一个额外的损失函数来控制注意力机制的不确定性,一个改进的波束搜索来识别部分稳定的假设,在编码器中使用BLSTM的方法,以及分块BLSTM的使用。我们的实验表明,与这些技术的正确组合,它是可能的,以低字为基础的延迟,而不牺牲字错误率的性能,执行运行的语音识别。
2020-07-26 cs.CL cs.SD eess.AS
Gammatonegram Representation for End-to-End Dysarthric Speech Processing Tasks: Speech Recognition, Speaker Identification, and Intelligibility Assessment
University of Zurich(苏黎世大学);University of Tehran(德黑兰大学)
本文提出将gammatonegram表示与基于预训练Alexnet的CNN迁移学习方法结合,用于构音障碍语音的识别、说话人识别和可懂度评估,并设计了级联多网络架构提升自动化识别准确率。
2024-03-20 cs.CL cs.SD eess.AS
Spiralformer: Low Latency Encoder for Streaming Speech Recognition with Circular Layer Skipping and Early Exiting
Sony Group Corporation(索尼集团);Carnegie Mellon University(卡内基梅隆大学)
针对流式语音识别分块处理编码延迟优化不足的问题,提出结合循环层跳过与早退的Spiralformer编码器,在相近计算成本与词错误率下显著降低token发射延迟。
2025-10-01 cs.CL cs.SD eess.AS
Dynamic Parameter Memory: Temporary LoRA-Enhanced LLM for Long-Sequence Emotion Recognition in Conversation
South China University of Technology, China(华南理工大学);MiniMax, China(MiniMax);The Chinese University of Hong Kong, China(香港中文大学)
本文提出动态参数记忆机制,通过临时LoRA模块编码句子级情感,使语音大模型在有限上下文下处理无限长音频,在IEMOCAP上取得最优情感识别性能。
2025-09-24 cs.AI cs.CL
How Do Language Models Process Ethical Instructions? Deliberation, Consistency, and Other-Recognition Across Four Models
Research Institute of Criminal Psychiatry / Sex Offender Medical Center(刑事精神病学研究所/性犯罪者医疗中心);Department of Neuropsychiatry, Kyoto University(京都大学神经精神医学系)
研究通过多代理模拟探讨语言模型处理道德指令的机制,发现不同模型存在不同的处理类型,且处理能力与指令格式的交互影响内部处理。
2026-03-11 cs.AI cs.CL cs.CY
MiNER: Fine-Tuned Biomedical Natural Language Processing for Malaria Disease Entity Recognition in Clinical Texts
Amrita Vishwa Vidyapeetham(阿姆里塔维什瓦维迪亚皮塔姆大学);Kerala University of Digital Sciences, Innovation and Technology(喀拉拉邦数字科学、创新与技术大学)
该研究提出微调BioBERT的MiNER模型,从疟疾文献中提取生物医学信息,在精确率等指标上优于对比方法,并发布了人工标注的实体关系数据集供同行使用。
2026-09-09 cs.AI cs.CL
Robust Long-Form Bangla Speech Processing: Automatic Speech Recognition and Speaker Diarization
Department of Computer Science(计算机科学系);Engineering Chittagong University of Engineering(工程学院恰tagong工程大学)
本文提出了一种针对孟加拉语长篇语音识别和说话人聚类的端到端系统,通过微调模型和语音分离技术,实现了低资源下的高识别准确率和聚类性能。
2026-02-25 cs.CL cs.LG cs.SD
Bias in Automated Speaker Recognition
Delft University of Technology(代尔夫特理工大学)
自动说话人识别使用数据处理来通过语音识别说话人。如今,自动说话人识别已部署在数十亿台智能设备和呼叫中心等服务中。尽管它们在人脸识别和自然语言处理等相关领域中得到了广泛的应用,并且已知偏见的来源,但自动说话人识别中的偏见尚未得到系统的研究。我们提出了一个深入的经验和分析研究的偏见,在机器学习开发工作流程的说话人验证,语音生物特征和自动说话人识别的核心任务。利用一个既定的框架来理解机器学习中的危害来源,我们表明偏见存在于著名的VoxCeleb说话人识别挑战赛的每个开发阶段,包括数据生成,模型构建和实施。受影响最大的是女性演讲者和非美国国籍的人,他们的表现明显下降。利用我们的研究结果的见解,我们为减轻自动说话人识别中的偏见提出了实用的建议,并概述了未来的研究方向。
2022-06-20 cs.CL cs.CY cs.LG
Resume Information Extraction via Post-OCR Text Processing
Huawei Turkey Research and Development Center(华为土耳其研发中心)
本研究提出通过OCR预处理和YOLOv8目标识别对简历文本组进行分类以提取信息,使用BERT等模型对比发现DistilBERT在参数较少时表现更优。
2023-06-23 cs.CL cs.CV
Robust Speech Recognition via Large-Scale Weak Supervision
OpenAI(开放人工智能研究中心)
我们研究的语音处理系统的能力训练简单地预测大量的互联网上的音频转录。当扩展到680,000小时的多语言和多任务监督时,所产生的模型可以很好地推广到标准基准,并且通常与之前的完全监督结果具有竞争力,但在zero-shot传输设置中,无需任何微调。与人类相比,这些模型接近其准确性和鲁棒性。我们正在发布模型和推理代码,以作为鲁棒语音处理进一步工作的基础。
2022-12-06 cs.CL cs.LG cs.SD
Enhancing OCR for Sino-Vietnamese Language Processing via Fine-tuned PaddleOCRv5
本研究通过微调PaddleOCRv5提升汉那姆文本识别精度,实现对越南历史文件的高效OCR处理及跨语言语义研究。
2025-11-29 cs.CL cs.CV
Towards Advanced Speech Signal Processing: A Statistical Perspective on Convolution-Based Architectures and its Applications
IIT Kanpur(印度理工学院坎普尔分校)
本文综述基于卷积的语音信号处理模型(如CNNs、Conformers等)的统计背景与多场景应用,通过对比训练成本、模型大小等指标分析各模型优劣,为语音技术发展提供研究方向。
2024-11-20 cs.AI cs.CL cs.SD
Mondegreen: A Post-Processing Solution to Speech Recognition Error Correction for Voice Search Queries
Google Research(谷歌研究院)
随着越来越多的在线搜索查询来自语音,自动语音识别成为提供相关搜索结果的关键组件。自动语音识别(ASR)引入的错误导致返回给用户的搜索结果不相关,从而引起用户不满。在本文中,我们介绍了一种方法,Mondegreen,在文本空间中纠正语音查询,而不依赖于音频信号,由于系统限制或隐私或带宽(例如,一些ASR系统在设备上运行)的考虑,这可能并不总是可用。我们专注于语音查询转录通过几个专有的商业ASR系统。这些查询来自用户进行互联网或在线服务搜索查询。我们首先提出了一个分析,显示如何不同的语言分布来自用户的语音查询是从传统的文本语料库用于训练现成的ASR系统。然后,我们证明,Mondegreen可以实现显着的改善,通过纠正用户的语音查询,在谷歌最大的搜索系统之一,增加用户交互。最后,我们认为Mondegreen是对现有高度优化的生产ASR系统的补充,这些系统可能不会经常重新训练,因此由于词汇漂移而落后。
2021-05-20 cs.CL cs.LG cs.SD
Hybrid Deep Learning and Signal Processing for Arabic Dialect Recognition in Low-Resource Settings
Eskisehir Technical University Department of Electrical and Electronics Engineering(埃斯克谢希尔技术大学电气与电子工程系)
针对低资源阿拉伯语方言识别问题,提出结合经典信号处理与深度学习的混合模型,实验证明MFCC+CNN架构准确率达91.2%,显著优于DWT+RNN,为该领域奠定了坚实基础。
2025-06-26 cs.CL cs.SD eess.AS
Robust Speaker Recognition Using Speech Enhancement And Attention Model
University of Sheffield(谢菲尔德大学)
本文提出了一种将语音增强和说话人处理相结合的说话人识别系统结构。它的目的是提高说话人识别性能时,语音信号被噪声污染。这两个模块不是单独处理语音增强和说话人识别,而是通过使用深度神经网络的联合优化集成到一个框架中。此外,为了提高对噪声的鲁棒性,采用多级注意力机制来突出从时域和频域的上下文信息中学习到的说话人相关特征。为了评估所提出的方法的说话人辨识和验证性能,我们测试它的数据集VoxCeleb1,最常用的基准数据集之一。此外,我们所提出的方法的鲁棒性也测试VoxCeleb1数据时,被破坏的三种类型的干扰,一般的噪声,音乐,和串音,在不同的信噪比(SNR)水平。所得到的结果表明,在我们的实验中,使用语音增强和多阶段注意力模型的方法优于两个强基线,在大多数声学条件下不使用它们。
2020-05-22 cs.CL cs.LG cs.SD
Optimising The Input Window Alignment in CD-DNN Based Phoneme Recognition for Low Latency Processing
KTH Royal Institute of Technology(KTH皇家理工学院);School of Computer Science and Communication(计算机科学与通信学院)
我们提出了一个系统的分析时,输入功能的窗口是不对称的,相对于当前帧的语音识别器的性能。该识别器基于上下文相关深度神经网络(CD-DNN)和隐马尔可夫模型(HMM)。目标是通过减少估计当前输出所需的未来特征帧的数量来减少系统的延迟。我们在TIMIT数据库上进行的测试表明,与通常的做法(没有未来的帧)相比,当输入窗口在过去移动到5帧时,性能不会降低。这相当于在我们的设置中将延迟提高了50 ms。我们的测试还表明,最好的结果并没有得到与对称窗口常用,但与一个不对称的窗口与八个过去和两个未来的上下文帧,虽然这一观察应确认其他数据集。我们的研究结果所建议的延迟减少对于特定应用(例如远程呈现的实时嘴唇同步)至关重要,但在一般应用中也可能有益于改善人机语音交互的滞后。
2016-06-29 cs.CL cs.CV cs.NE