标签: 语音识别 (3 篇)

最新研究揭示，多个顶级语音识别模型并非真正听懂了音频，而是学会了在特定测试集上“背答案”，导致基准分数虚高。

微软推出MIT许可的Whisper风格语音模型VibeVoice，内置说话人分离功能，可在Mac上本地高效处理长达一小时的音频转录。

Hugging Face 引入私有语音数据集以防止模型在公开测试集上“刷分”，旨在让语音识别排行榜更真实地反映模型在实际场景中的鲁棒性。