A Survey of Online Hate Speech through the Causal Lens
Imperial College London（帝国理工学院）；United Kingdom（英国）；Department of Computing（计算机系）
数字敌意的社会问题以前吸引了很多关注。这一主题有大量的文献，但由于其主观性，仍然很突出，而且具有挑战性。我们认为，更好地理解这个问题将需要使用因果推理框架。这项调查总结了围绕估计与在线仇恨言论有关的因果影响的相关研究。首先，我们提供了一个论证，为什么重新建立因果关系的仇恨言论的探索是至关重要的。在此之后，我们概述了根据其结果的方向分类的领先研究，以及所有相关研究的概述，并总结了可能影响该主题未来工作的开放研究问题。
2021-09-16 cs.CL
Connecting Humanities and Social Sciences: Applying Language and Speech Technology to Online Panel Surveys
Radboud University（拉德堡德大学）；Netherlands Interdisciplinary Demographic Institute (NIDI)-KNAW/University of Groningen（荷兰跨学科人口研究所（NIDI）-KNAW/格罗宁根大学）
在本文中，我们探讨了应用语言和语音技术的开放式问题，在荷兰的小组调查。在一个实验波中，受访者可以选择通过语音或键盘回答开放性问题。自动语音识别（ASR）被用来处理口头响应。我们评估了这些输入方式的答案，以调查口语和打字答案之间的差异。我们报告了ASR系统产生的错误，并调查了这些错误对下游分析的影响。开放式问题给了回答者更多的自由，但需要进行大量的分析工作。我们评估了使用基于转换器的模型（例如BERT）对开放式问题的答案应用情感分析和主题建模的可行性。基于transformer的模型的一个很大的优点是，它们是在大量的语言材料上训练的，不一定需要在目标材料上训练。这对于不包含大量文本材料的调查数据尤其有利。我们通过将自动标记与三个人类评分员进行比较来测试自动情感分析的质量，并通过比较基于自动和手动转录的口语答案生成的模型来测试主题建模的鲁棒性。
2023-02-21 cs.CL
Counter Hate Speech in Social Media: A Survey
随着社交媒体中针对少数群体的攻击性语言的高度流行，反仇恨言论（CHS）被认为是应对这一挑战的自动方式。CHS应该作为第三种声音出现，以教育人们并保持社会[红线粗体]，而不限制言论自由的原则。在本文中，我们回顾了过去和现在最重要的研究，主要集中在方法，收集的数据集和统计分析CHS对社会媒体的影响。CHS一代基于乐观的假设，即任何干预社交媒体中仇恨言论的尝试都可以在这种情况下发挥积极作用。除此之外，以前的作品忽略了之前和之后的CHS评论序列的调查。然而，积极的影响是不能保证的，如在以前的一些作品中所示。据我们所知，没有试图调查相关的工作，比较过去的研究在社区卫生服务对社会媒体的影响。我们在这方面踏出第一步，全面检讨相关的研究工作，并根据不同的因素，包括影响、研究方法、数据来源等，将研究工作分类。
2022-02-21 cs.CL
Multilingual Hate Speech Detection and Counterspeech Generation: A Comprehensive Survey and Practical Guide
Bilkent University（比尔肯特大学）；Missouri University of Science and Technology（密苏里科技大学）
本文综述并指导多语言仇恨言论检测与反仇恨言论生成，分析单语言系统在非英语和混合语言环境中的不足，提出三阶段框架，整合最新NLP进展，强调数据稀缺、公平性与多模态解决方案。
2026-03-01 cs.CL
A Survey of Text and Speech Resources for Hausa and Fongbe: Availability, Quality, and Gaps for NLP Development
Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）；Centre for Text Technology, North-West University（文本技术中心，北开普大学）
本文系统调查了豪萨语和丰贝语的公开文本与语音资源，对比分析其可用性、质量及差距，为低资源语言NLP发展提供建议。
2026-04-13 cs.CL
Can NLP Tackle Hate Speech in the Real World? Stakeholder-Informed Feedback and Survey on Counterspeech
The Interaction Lab, Heriot-Watt University（赫瑞斯·沃德大学交互实验室）；University of Edinburgh（爱丁堡大学）
本文通过系统综述74项NLP反言论研究和与五个NGO的参与式案例研究，揭示当前研究忽视利益相关者参与，并提出重新以利益相关者专业知识为中心的建议。
2025-08-06 cs.CL
Indigenous Languages Spoken in Argentina: A Survey of NLP and Speech Resources
George Mason University（乔治梅森大学）；Universidad de Buenos Aires (UBA)（布宜诺斯艾利斯大学）；CONICET-UBA（阿根廷科学技术研究委员会-布宜诺斯艾利斯大学）
本文系统梳理了阿根廷至少40种土著语言，按七个语系分类并基于最新人口普查估计各语言使用人口，同时综述了现有的自然语言处理与语音计算资源，为后续保护和数字化研究奠定基础。
2025-02-07 cs.CL
Aligning Stuttered-Speech Research with End-User Needs: Scoping Review, Survey, and Guidelines
4 University of Edinburgh, UK；5 School of Health Sciences \& IEETA, University of Aveiro, Portugal
本文通过范围综述和70名终端用户调查，识别出口误语音研究与用户需求之间的差距，并提出解决方向和指南。
2026-04-22 cs.CL cs.HC
A Survey on Automatic Online Hate Speech Detection in Low-Resource Languages
Bennett University（班尼特大学）；Techno Main Salt Lake（泰克诺主盐湖校区）；Indian Institute of Information Technology & Management Gwalior（瓜利尔印度信息技术与管理学院）；Indian Institute of Engineering Science and Technology, Shibpur（希布普尔印度工程科学与技术学院）；National Institute of Technology, Silchar（锡尔恰尔国家理工学院）
本文综述了低资源语言中的自动在线仇恨言论检测，分析了其面临的挑战，详细介绍了可用数据集、特征及技术，并探讨了现有研究、重叠概念、挑战与机遇。
2024-11-28 cs.CL cs.LG
Thank you for Attention: A survey on Attention-based Artificial Neural Networks for Automatic Speech Recognition
Federation University Australia（澳大利亚联邦大学）
在基于人工神经网络的序列到序列模型中，注意力是一种非常流行和有效的机制。在这篇调查论文中，提供了一个全面的审查不同的注意力模型用于开发自动语音识别系统。本文重点介绍了在基于递归神经网络和Transformer的架构中离线和流式语音识别的注意力模型的发展和演变。
2021-02-14 cs.CL cs.SD eess.AS
Accented Speech Recognition: A Survey
自动语音识别（ASR）系统对带口音语音的概括性较差。口音的语音和语言变异性在数据汇集和建模策略方面都对当今的ASR系统提出了严峻的挑战。不同口音的ASR性能的偏差对ASR的用户和提供商都是有代价的。我们提出了一个调查目前有前途的方法，口音语音识别，并强调在空间的关键挑战。目前的方法主要集中在单模型综合和重点特征工程。在这些挑战中，缺乏标准基准使得研究和比较特别困难。
2021-06-02 cs.CL cs.SD eess.AS
Direct Speech-to-Speech Neural Machine Translation: A Survey
NITTTR Chandigarh（昌迪加尔国家技术教师培训与研究中心）；IIT Indore（印多尔印度理工学院）
本文系统综述了直接语音到语音翻译模型，梳理其数据、应用与评估指标，分析基准性能并指出研究挑战与未来方向。
2024-11-13 cs.CL cs.SD eess.AS
Transformers in Speech Processing: A Survey
Queensland University of Technology（昆士兰理工大学）；Information Technology University（信息科技大学）；University of Lincoln（林肯大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；National University of Computer and Emerging Sciences（国家计算机与新兴科学大学）；Qatar University（卡塔尔大学）
本文综述了Transformer在自动语音识别、合成、翻译、增强及多模态等语音处理各子领域中的应用、挑战与解决方案。
2025-06-04 cs.CL cs.SD eess.AS
Towards generalisable hate speech detection: a review on obstacles and solutions
Queen Mary University of London（伦敦玛丽女王大学）
仇恨言论是一种有害的在线内容，它直接攻击或促进对一个群体或个人成员的仇恨，基于他们的实际或感知的身份方面，如种族，宗教和性取向。随着网络仇恨言论的增加，作为一项自然语言处理任务的仇恨言论自动检测越来越受到人们的关注。然而，直到最近才表明，现有的模型对看不见的数据的概括性很差。这篇调查论文试图总结现有的仇恨言论检测模型是如何推广的，为什么仇恨言论模型难以推广，总结现有的尝试，解决主要障碍，然后提出未来的研究方向，以提高仇恨言论检测的推广。
2021-02-17 cs.CL
A Survey of Code-switched Speech and Language Processing
Microsoft Research India（微软印度研究院）；Carnegie Mellon University（卡内基梅隆大学）
语码转换是一种常见的语言交际现象，在世界多语言社会中普遍存在。本文综述了码转换语音和自然语言处理的计算方法。我们激励为什么处理代码转换的文本和语音是必不可少的智能代理和系统，与用户在多语言社区。由于代码转换的数据和资源是稀缺的，我们列出了什么是可用的各种代码转换语言对的语言处理任务，他们可以用来。我们回顾了各种语音和NLP应用中的语码转换研究，包括语言处理工具和端到端系统。我们的结论与未来的方向和开放的问题在该领域。
2020-07-22 cs.CL cs.LG stat.ML
Recent Advances in Speech Language Models: A Survey
Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学）；LIGHTSPEED STUDIOS；National University of Singapore（新加坡国立大学）；Tencent（腾讯）
本综述首次全面概述语音语言模型（SpeechLMs）的构建方法、架构组件、训练方案、能力、评估指标及未来挑战，旨在替代ASR+LLM+TTS流水线，实现端到端语音生成。
2025-08-07 cs.CL cs.SD eess.AS
When Large Language Models Meet Speech: A Survey on Integration Approaches
Kyoto University（京都大学）
本文综述了语音与大语言模型的集成方法，分为基于文本、潜在表示和音频标记三类，并探讨了应用与挑战。
2025-09-09 cs.CL cs.SD eess.AS
An experiment on an automated literature survey of data-driven speech enhancement methods
Universidade Estadual de Campinas（坎皮纳斯州立大学）；NeuralMind；ABB Corporate Research（ABB企业研究院）；KTH Royal Institute of Technology（皇家理工学院）
针对声学领域文献增多导致传统综述困难的问题，本研究用GPT模型对116篇数据驱动语音增强论文开展自动化综述，评估其回答特定查询的能力与局限性，发现自动化潜力大但需改进以提升技术问题回答的清晰度和准确性。
2023-10-10 cs.CL cs.SD eess.AS
eFontes. Part of Speech Tagging and Lemmatization of Medieval Latin Texts.A Cross-Genre Survey
Institute of Polish Language (Polish Academy of Sciences)（波兰科学院波兰语言研究所）；AGH University（AGH大学）；Enelpol（恩内波尔公司）；Jagiellonian University（雅盖隆大学）
本文提出基于Transformers的eFontes模型，用于中世纪拉丁文本的词形还原、词性标注和形态特征确定，在UD及自建波兰中世纪拉丁语料库上训练，取得较高准确率，并展望扩展至命名实体识别。
2024-06-29 cs.CL cs.LG
Summarizing Speech: A Comprehensive Survey
KIT（卡尔斯鲁厄理工学院）；University Bonn（波恩大学）；Deutsches Museum（德意志博物馆）；CMU（卡内基梅隆大学）
本综述系统梳理语音摘要领域，涵盖数据集、评估方法及从传统到级联与端到端模型的进展，并指出现实基准、多语言和长上下文等挑战。
2025-10-17 cs.CL cs.SD eess.AS
A Survey on Neural Speech Synthesis
Microsoft Research Asia（微软亚洲研究院）
文本转语音（TTS）或语音合成，其目的是在给定文本的情况下合成可理解且自然的语音，是语音、语言和机器学习社区中的热门研究课题，并且在工业中具有广泛的应用。近年来，随着深度学习和人工智能的发展，基于神经网络的文语转换技术大大提高了合成语音的质量。在本文中，我们进行了全面的调查，神经TTS，旨在提供一个很好的理解，目前的研究和未来的趋势。我们重点介绍了神经TTS中的关键组件，包括文本分析，声学模型和声码器，以及几个高级主题，包括快速TTS，低资源TTS，鲁棒TTS，表达TTS和自适应TTS等。我们进一步总结了与TTS相关的资源（例如，数据集，开源实现），并讨论未来的研究方向。这项调查可以为学术研究人员和从事TTS工作的行业从业人员提供服务。
2021-07-23 cs.CL cs.LG cs.MM
A Survey of Multilingual Models for Automatic Speech Recognition
Microsoft Research India（微软研究院印度）
尽管自动语音识别（ASR）系统在某些语言上取得了与人类相似的性能，但由于缺乏大型语音数据集来训练这些模型，世界上大多数语言都没有可用的系统。跨语言迁移是这个问题的一个有吸引力的解决方案，因为低资源语言可以通过迁移学习或在同一多语言模型中联合训练而从高资源语言中受益。跨语言迁移的问题已经在ASR中得到了很好的研究，然而，自监督学习的最新进展正在为将未标记的语音数据用于多语言ASR模型开辟道路，这可以为提高低资源语言的性能铺平道路。在本文中，我们调查的艺术状态，在多语言ASR模型，建立了跨语言迁移的想法。我们提出了从不同语言和技术的研究中构建多语言模型的最佳实践，讨论了开放性问题，并为未来的工作提供了建议。
2022-02-25 cs.CL cs.SD eess.AS
A Survey of Machine Learning Models and Datasets for the Multi-label Classification of Textual Hate Speech in English
Technical University of Darmstadt, Science and Technology for Peace and Security (PEASEC)（德累斯顿技术大学，和平与安全科学技术（PEASEC））
本文综述了46篇英文文献，分析了28个适合多标签分类模型训练的数据集，揭示了标签集、大小、元概念等的异质性，并指出评估不一致、BERT和RNN偏好等关键问题，提出十项研究建议。
2025-04-11 cs.AI cs.CL
Speech Recognition by Machine, A Review
Sri Jayachamarajendra College of Engineering（斯里贾亚 chamarajendra 工程学院）
本文简要介绍了自动语音识别的研究概况，讨论了60年来的主要研究课题和研究进展，从而对语音通信这一重要领域所取得的基本进展提供了一个技术视角和评价。经过多年的研究和开发，自动语音识别的准确性仍然是重要的研究挑战之一（例如，语音识别系统的设计需要注意以下问题：各种类型语音的定义、语音表示、特征提取技术、语音分类器、数据库和性能评估。按时间顺序介绍了ASR中存在的问题以及各种研究人员为解决这些问题而提出的各种技术。因此作者希望这项工作能对语音识别领域有所贡献。这篇综述论文的目的是总结和比较一些众所周知的方法，用于语音识别系统的各个阶段，并确定研究主题和应用程序，这是在这个令人兴奋的和具有挑战性的领域的最前沿。
2010-01-13 cs.CL
Speech Translation and the End-to-End Promise: Taking Stock of Where We Are
Apple（苹果公司）
在其三十年的历史中，语音翻译的主要研究主题经历了几次转变;从语音识别和机器翻译的松散耦合级联，到探索紧密耦合的问题，最后到最近引起广泛关注的端到端模型。本文提供了一个简短的调查，这些发展，以及讨论的主要挑战，传统的方法，从承诺从语音识别器的中间表示，并从训练级联模型分别对不同的目标。最近的端到端建模技术承诺通过允许所有模型组件的联合训练和消除对显式中间表示的需要来克服这些问题的原则性方法。然而，仔细观察就会发现，许多端到端模型都无法解决这些问题，这是由于为解决数据稀缺性而做出的妥协。本文提供了一个统一的分类和命名法，涵盖了传统和最近的方法，并可能有助于突出权衡和开放的研究问题的研究人员。
2020-04-14 cs.CL
Survey of End-to-End Multi-Speaker Automatic Speech Recognition for Monaural Audio
Worcester Polytechnic Institute（沃斯特理工大学）
本文系统综述了端到端多说话人自动语音识别的神经架构范式（SIMO与SISO）、近期改进方法及长语音扩展策略，并通过标准基准评估比较了各类方法。
2026-05-27 cs.AI cs.CL cs.SD
Automatic Speech Recognition Datasets in Cantonese: A Survey and New Dataset
The Hong Kong University of Science and Technology（香港科技大学）
低资源语言的自动语音识别（ASR）改善了语言少数群体获得人工智能（AI）提供的技术优势的机会。在本文中，我们通过创建一个新的粤语数据集来解决香港粤语数据稀缺的问题。我们的数据集，多域粤语语料库（MDCC），包括73.6小时的干净的阅读语音配对的成绩单，从香港粤语有声读物收集。它包括哲学、政治、教育、文化、生活方式和家庭领域，涵盖广泛的主题。我们还回顾了所有现有的粤语数据集，并根据其语音类型，数据源，总大小和可用性对其进行分析。我们进一步使用Fairseq S2 T Transformer（一种最先进的ASR模型）在现有最大的数据集Common Voice zh-HK和我们提出的MDCC上进行实验，结果表明了我们数据集的有效性。此外，我们通过在MDCC和Common Voice zh-HK上应用多数据集学习，创建了一个强大而强大的粤语ASR模型。
2022-01-17 cs.CL cs.SD eess.AS
A systematic review of Hate Speech automatic detection using Natural Language Processing
University of Oulu（奥卢大学）
随着提供匿名、方便访问和在线社区形成的社交媒体平台以及在线辩论的增加，仇恨言论的检测和跟踪问题成为社会、个人、政策制定者和研究人员面临的日益严峻的挑战。尽管努力利用自动技术进行自动检测和监测，但其性能仍然远远不能令人满意，这不断要求对该问题进行进一步的研究。本文系统地回顾了该领域的文献，重点介绍了自然语言处理和深度学习技术，重点介绍了术语、处理流程和核心方法，并重点介绍了深度学习架构。从方法学的角度，我们采用PRISMA指南，对ACM数字图书馆和Google Scholar近10年的文献进行系统综述。在续集中，现有的调查，局限性和未来的研究方向进行了广泛的讨论。
2021-05-22 cs.CL
From Statistical Methods to Pre-Trained Models; A Survey on Automatic Speech Recognition for Resource Scarce Urdu Language
Shenzhen University（深圳大学）；School of Artificial Intelligence, CAS Institute of Automation（中国科学院自动化研究所人工智能学院）；University of Chinese Academy of Sciences（中国科学院大学）
本文综述了资源稀缺的乌尔都语自动语音识别研究，梳理从统计方法到预训练模型的技术演进，分析现有数据集与算法工具，并指出未来研究方向。
2026-10-30 cs.CL cs.SD eess.AS
Towards Controllable Speech Synthesis in the Era of Large Language Models: A Systematic Survey
The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））；University of Surrey（萨里大学）
该系统性综述首次全面回顾可控TTS方法，从传统技术到基于自然语言提示的新兴方法，分类模型架构、控制策略等，总结挑战与数据集，为研究人员提供分类法并指明未来方向。
2025-08-25 cs.AI cs.CL cs.LG
End-to-End Speech-to-Text Translation: A Survey
Indian Institute of Technology Indore（印度英迪拉·甘地国立技术学院印多尔分校）
本文系统综述了端到端语音到文本翻译的研究现状，梳理了所用模型、评估指标和数据集，分析了传统级联模型的不足，并指出了该领域的挑战与未来研究方向。
2024-06-08 cs.CL cs.SD eess.AS
End-to-End Speech Recognition: A Survey
在过去十年的自动语音识别（ASR）研究中，与没有深度学习的建模相比，深度学习的引入使单词错误率大幅降低了50%以上。在这种转变之后，引入了许多全神经ASR架构。这些所谓的端到端（E2E）模型提供高度集成的、完全神经的ASR模型，这些模型强烈依赖于一般的机器学习知识，从数据中更一致地学习，同时较少依赖于ASR领域特定的经验。深度学习的成功和热情采用伴随着更通用的模型架构，导致E2E模型现在成为突出的ASR方法。本调查的目标是提供一个分类的E2E ASR模型和相应的改进，并讨论其属性和经典的隐马尔可夫模型（HMM）的ASR架构的关系。本工作涵盖了E2E ASR的所有相关方面：建模、培训、解码和外部语言模型集成，并讨论了性能和部署机会，以及对未来潜在发展的展望。
2023-03-03 cs.CL cs.SD eess.AS
Hateful Person or Hateful Model? Investigating the Role of Personas in Hate Speech Detection by Large Language Models
ScaDS.AI and TU Dresden（ScaDS.AI 和 梵高大学）；LMU Munich（慕尼黑大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
本文研究 MBTI 人格角色提示对 LLM 仇恨言论分类的影响，通过人工调查与四模型、三数据集实验揭示角色导致的标签分歧和 logit 偏差。
2025-06-10 cs.CL
Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models
SUTD（新加坡科技设计大学）；IIT Delhi（德里印度理工学院）；SMU（新加坡管理大学）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）
本综述梳理仇恨言论治理最新进展，分析多模态要素交互作用与大模型的技术推动作用，指出低资源等研究空白，提出未来研究方向，助力构建更先进负责任的治理方案。
2024-10-30 cs.CL
Unrequited Emotions: Investigating the Gaps in Motivation and Practice in Speech Emotion Recognition Research
Johns Hopkins University（约翰霍普金斯大学）；University of Edinburgh（爱丁堡大学）；MBZUAI（马克斯·普朗克智能系统研究所）
本文通过系统调查语音情感识别研究，揭示其动机与所用数据集和情绪研究之间的不一致，呼吁通过具体用例重新确立研究方向以避免伦理风险。
2026-04-28 cs.CL
A Survey on Spoken Italian Datasets and Corpora
Università degli Studi dell’Aquila（拉奎拉大学）；CNIT - National Inter-university Consortium for Telecommunications（意大利国家电信大学间联盟（CNIT））
本文综述66个意大利语口语数据集，按类型、来源语境及人口与语言特征分类，梳理其在ASR、情感检测和教育中的应用，并讨论资源稀缺、代表性与可访问性问题。
2025-03-12 cs.AI cs.CL cs.DL
On The Landscape of Spoken Language Models: A Comprehensive Survey
Carnegie Mellon University（卡内基梅隆大学）；National Taiwan University（国立台湾大学）；Toyota Technological Institute at Chicago（丰田芝加哥技术研究所）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）；ENS - PSL, EHESS, CNRS（巴黎高等师范学院 - 巴黎文理研究大学、社会科学高等研究院、法国国家科学研究中心）
本文综述了语音语言模型的发展，分析了其架构、训练和评估方法，探讨了关键挑战与未来方向。
2026-04-07 cs.CL cs.SD eess.AS
Speech Recognition Transformers: Topological-lingualism Perspective
University of Petroleum and Energy Studies（石油与能源研究大学）；Ulster University（阿尔斯特大学）
本文从拓扑语言学视角全面综述了面向语音模态的 Transformer 技术，涵盖传统 ASR 背景、多语言基础模型、架构与评估指标及工具包，并探讨了开放挑战与未来方向。
2024-08-27 cs.CL cs.SD eess.AS
Preference Tuning with Human Feedback on Language, Speech, and Vision Tasks: A Survey
Capital One（第一资本金融公司）；Columbia University（哥伦比亚大学）
该综述系统梳理多模态偏好调优及人类反馈整合的最新进展，从基础理论、方法分类、应用与未来方向三方面展开，旨在为相关研究者和从业者提供领域全景，推动后续创新。
2024-11-03 cs.AI cs.CL cs.CV
A Survey of Voice Translation Methodologies - Acoustic Dialect Decoder
SSN College Of Engineering（SSN工程学院）
语音翻译一直是关于提供源文本或音频输入，并等待系统以所需的形式提供翻译输出。在本文中，我们提出了声学方言解码器（ADD）-语音语音耳机翻译设备。我们介绍和调查的语音工程领域的最新进展，采用在ADD，特别是侧重于识别，翻译和合成的三个主要处理步骤。通过设计源音频到文本的识别单元、源语言文本到目标语言文本的翻译单元和目标语言文本到目标语言语音的合成单元，解决了机器理解自然语言的问题。来自周围环境的语音将被耳机上的识别单元记录下来，一旦成功阅读一个句子，翻译就会开始。通过这种方式，我们希望在读取输入时提供翻译后的输出。识别单元将使用基于隐马尔可夫模型（HMM）的工具包（HTK），具有门控存储单元的混合RNN系统，以及合成单元，基于HMM的语音合成系统HTS。该系统最初将作为英语到泰米尔语的翻译设备。
2016-10-13 cs.CL cs.NE cs.SD
Countering Online Hate Speech: An NLP Perspective
The Chinese University of Hong Kong（香港中文大学）
网络仇恨言论已经引起了所有人的注意，从与COVID-19大流行、美国大选和全球抗议活动有关的新闻。网络毒性--网络仇恨行为的总称，表现为网络仇恨言论等形式。仇恨言论是以目标实体的身份或观点为动机，针对个人或群体的蓄意攻击。通过社交媒体进行的大众传播日益增多，进一步加剧了网上仇恨言论的有害后果。虽然使用自然语言处理（NLP）对仇恨言论识别进行了大量研究，但利用NLP预防和干预在线仇恨言论的工作相对缺乏。本文提出了一个整体的概念框架仇恨言论的NLP对抗方法，以及对NLP对抗网络仇恨言论的当前进展进行了全面调查。它根据其作用时间对对抗技术进行了分类，并确定了未来关于这一主题的潜在研究领域。
2021-09-07 cs.CL cs.LG
WavChat: A Survey of Spoken Dialogue Models
Zhejiang University（浙江大学）；Microsoft（微软公司）；Alibaba Group（阿里巴巴集团）；Tencent YouTu Lab（腾讯优图实验室）
针对口语对话系统缺乏全面综述的问题，本文按时间顺序梳理现有系统并分为级联与端到端范式，深入分析核心技术、数据集及评估体系，为该领域学术研究与工业应用提供参考。
2024-11-26 cs.CL cs.LG cs.MM
AI Telephone Surveying: Automating Quantitative Data Collection with an AI Interviewer
VKL Research, Inc.（VKL研究公司）
本文构建并验证基于LLM、ASR与语音合成的AI电话访谈系统，通过SSRS Opinion Panel试点和人工随访证明短问卷与高响应性可提升完成率、降低中断并提高满意度。
2025-07-23 cs.AI cs.CL cs.HC
A Survey on Stereotype Detection in Natural Language Processing
Language and Translation Technology Team, Ghent University（格鲁特大学语言与翻译技术团队）；Department of Methodology and Statistics, Utrecht University（乌得勒支大学方法学与统计学系）
本文综述了NLP中的刻板印象检测研究，分析了跨学科定义，基于6000余篇论文识别趋势与挑战，强调其作为早期监测工具的价值，并呼吁多语言与交叉性研究。
2025-09-29 cs.CL cs.CY
A Survey of Automatic Evaluation Methods on Text, Visual and Speech Generations
Beijing Institute of Technology（北京理工大学）；Peking University（北京大学）；Nanyang Technological University（南洋理工大学）
针对生成式AI多模态输出自动评估缺乏系统梳理的问题，本文提出文本、视觉、语音生成自动评估方法的统一分类体系，归纳五种基本范式并验证其跨模态适用性，指明跨模态评估的未来研究方向。
2025-06-06 cs.AI 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
A Review of Challenges in Machine Learning based Automated Hate Speech Detection
Pune Institute of Computer Technology（浦那计算机技术学院）；L3Cube Pune（浦那L3Cube）；Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
在社交媒体空间传播仇恨言论是目前的一个严重问题。对这些平台上产生的大量信息的不加要求的访问导致人们发布和回应引发暴力的有毒内容。虽然已经努力检测和限制在线的此类内容，但准确识别它仍然具有挑战性。基于深度学习的解决方案一直处于识别仇恨内容的最前沿。然而，诸如仇恨言论的上下文依赖性、用户的意图、不期望的偏见等因素使得这一过程过于苛刻。在这项工作中，我们深入探讨了广泛的挑战，在自动仇恨言论检测提出了一个层次组织这些问题。我们专注于基于机器学习或深度学习的仇恨言论识别解决方案所面临的挑战。在顶层，我们区分数据级、模型级和人员级挑战。我们进一步提供了一个详尽的分析，每个层次结构的例子。这项调查将帮助研究人员在仇恨言论检测领域更有效地设计解决方案。
2022-09-12 cs.CL cs.LG
Automatic Screening for Children with Speech Disorder using Automatic Speech Recognition: Opportunities and Challenges
University at Buffalo（布法罗大学）；Nichols School（尼科尔斯学校）；Thomas Jefferson High School for Science & Technology（托马斯·杰斐逊科技高中）；Langley High School（兰利高中）
本文综述了基于自动语音识别（ASR）技术自动化儿童言语语言评估（SLA）流程的现有方法，探讨了AI驱动方案的技术可行性、实际部署挑战及隐私问题。
2024-10-07 cs.CL eess.AS q-bio.QM
A Survey on Recent Advances in Sequence Labeling from Deep Learning Models
Naval University of Engineering（海军工程大学）；Huazhong University of Science and Technology（华中科技大学）；Inception Institute of Artificial Intelligence（起源人工智能研究院）；Beijing Institute of Technology（北京理工大学）
序列标记（SL）是一个基本的研究问题，包括各种任务，例如，词性（POS）标记、命名实体识别（NER）、文本分块等。尽管在许多下游应用中流行且有效（例如，信息检索、问答和知识图谱嵌入），传统的序列标记方法严重依赖于手工制作或语言特定的特征。最近，深度学习已被用于序列标记任务，由于其强大的能力，自动学习复杂的特征的实例，并有效地产生最先进的性能。在本文中，我们的目标是对现有的基于深度学习的序列标记模型进行全面回顾，其中包括三个相关的任务，例如，词性标注、命名实体识别和文本组块。然后，我们系统地介绍了基于科学分类法的现有方法，以及SL领域广泛使用的实验数据集和普遍采用的评估指标。此外，我们还提出了一个深入的分析不同的SL模型的因素，可能会影响SL域的性能和未来的发展方向。
2020-11-13 cs.AI cs.CL
A Comprehensive Study of the Current State-of-the-Art in Nepali Automatic Speech Recognition Systems
Kathmandu University（加德满都大学）
本文综述尼泊尔语自动语音识别（ASR）研究现状，涵盖数据集、技术及挑战，并指出语言与声学模型研究不足，提出未来研究方向。
2024-02-05 cs.CL cs.SD eess.AS
A Comprehensive Survey on Applications of Transformers for Deep Learning Tasks
Concordia University（康考迪亚大学）；Khalifa University（哈利法大学）；Princess Sumaya University for Technology（苏玛雅公主科技大学）；University of Alberta（阿尔伯塔大学）；Polish Academy of Sciences（波兰科学院）；Istinye University（伊斯廷耶大学）；King Abdulaziz University（阿卜杜勒阿齐兹国王大学）
本文针对现有Transformer综述缺乏跨领域全面性的问题，对2017-2022年的Transformer模型进行广泛调研，确定五大应用领域并提出分类法分析模型影响，为相关研究提供参考。
2023-06-11 cs.CL cs.LG
Hey ASR System! Why Aren't You More Inclusive? Automatic Speech Recognition Systems' Bias and Proposed Bias Mitigation Techniques. A Literature Review
Howard University（霍华德大学）
语言是人类交流的基本手段。人工智能和复杂语音技术的出现导致了基于人机交互的快速增长，主要由自动语音识别（ASR）系统推动。ASR系统通常以音频的形式获取人类语音并将其转换为单词，但对于某些用户来说，它无法解码语音，并且任何输出文本都充满了人类读者无法理解的错误。这些系统并不是对每个人都平等地工作，实际上阻碍了一些用户的生产力。在本文中，我们提出的研究，解决ASR偏见对性别，种族，病人和残疾人，同时探索研究，提出ASR去偏置技术，以减轻这些歧视。我们还讨论了设计更容易访问和包容性ASR技术的技术。对于每一种调查方法，我们还提供了一个总结的调查和方法，使用的ASR系统和语料库，以及研究结果，并强调其优点和/或缺点。最后，我们提出了未来的机会，自然语言处理研究人员探索在下一个层次的创造ASR技术。
2022-11-17 cs.CL cs.CY cs.HC
