计算机科学 > 计算与语言
[提交于 2025年9月3日
]
标题: 端到端语音评估模型在NOCASA 2025挑战赛中的比较
标题: Comparison of End-to-end Speech Assessment Models for the NOCASA 2025 Challenge
摘要: 本文介绍了针对NOCASA 2025挑战赛开发的三种端到端模型的分析,旨在对学习挪威语作为第二语言的儿童进行自动逐词发音评估。 我们的模型包括一种编码器-解码器孪生架构(E2E-R)、一种利用预训练wav2vec2.0表示的前缀调优直接分类模型,以及一种新颖的模型,该模型通过CTC整合无对齐发音质量(GOP)特征。 我们引入了一种加权序数交叉熵损失,专门用于优化诸如未加权平均召回率和平均绝对误差等指标。 在所探索的方法中,基于GOP-CTC的模型表现最佳,显著超越了挑战基线,并取得了顶级排行榜分数。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.