面向自发语音的抗噪强制对齐方法研究

研究人员针对真实嘈杂自发语音提出一种新型抗噪强制对齐方案，通过上采样 WavLM 特征替代 MFCC、引入填充词与非词汇发声事件音素单元，并基于纯净与加噪特征对拟合判别投影。该方案在 Buckeye 与 FluencyBank 上词边界 MAE 分别降至 20.6ms 和 76.9ms，严重对齐错误较 Montreal Forced Aligner（MFA）最佳模型减少 2.7 倍。