University of California, Los Angeles（加州大学洛杉矶分校）

Bridging the Language Gap: Synthetic Voice Diversity via Latent Mixup for Equitable Speech Recognition

弥合语言鸿沟：通过潜在混合实现合成语音多样性以实现公平的语音识别

Wesley Bian, Xiaofeng Lin, Guang Cheng

机构 * University of California Los Angeles, Department of Statistics（加州大学洛杉矶分校统计学系） 纠错

AI总结 本文提出了一种通过潜在混合提升合成语音多样性的方法，以改善低资源语言的语音识别性能。

Comments Accepted at ICML 2025 Workshop on Machine Learning for Audio

CafeQ: Calibration-free Quantization via Learned Transformations and Adaptive Rounding

CafeQ: 无需校准的量化方法通过学习变换和自适应四舍五入

Ziteng Sun, Adrian Benton, Samuel Kushnir, Asher Trockman, Vikas Singh, Suhas Diggavi, Ananda Theertha Suresh

机构 * Google（谷歌） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； University of California Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 CafeQ通过学习变换和自适应四舍五入方法，在无需校准数据的情况下提升大语言模型的量化效果，实现更高效的推理性能。