arXiv · cs.AI· Shikhar Bharadwaj, Kwanghee Choi, Stephen McIntosh, Chin-Jou Li, Eunjung Yeo, Daisuke Saito, Nobuaki Minematsu, Shinji Watanabe, Jian Zhu, David Harwath, David R. Mortensen·· 1 天前
SPAM通过音系激活映射统一实现手机音素分段与识别
Phone Segmentation and Recognition through Phonological Activation Mapping
arXiv:2607.09020v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shikhar Bharadwaj, Kwanghee Choi, Stephen McIntosh, Chin-Jou Li, Eunjung Yeo, Daisuke Saito, Nobuaki Minematsu, Shinji Watanabe, Jian Zhu, David Harwath, David R. Mortensen
研究任务与主要进展
研究提出基于自监督语音模型SPAM，将每个表示帧映射为浊音、鼻音等音系特征激活，并通过轻量、无需梯度下降的识别头和分段头统一完成两项任务。该方法使用不到一分钟的音系转写，识别头可泛化到训练中未见的音素，并在多种数据集上取得较强的分段表现；摘要未提供具体指标和实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org