将转录策略作为潜在变量：激活可控的逐字ASR与词级时间对齐
现代ASR模型在异质标注数据上训练时，转录风格（逐字vs意译）作为未控潜在变量，导致解码不稳定和评估混淆（高达60%的WER归因于风格不匹配）。研究表明模型已编码两种风格，关键在于可控激活。通过在并行逐字/意译转录对上训练覆盖感知解码器任务token，即使仅英语训练也能将德语非流利检测F1从10%提升至79%零样本迁移。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。