arXiv 自然语言处理· Cihan Xiao, Yuan Tseng, Matthew Wiesner, Desh Raj, Leibny Paola Garcia Perera, Sanjeev Khudanpur, David Harwath·· 7 小时前AI 评分33
ASSET：基于强化学习的自适应语音切分框架
ASSET: Adaptive Speech Segmentation via Reinforcement Learning
AI 导读
研究人员提出基于强化学习的自适应语音切分框架 ASSET，通过将声学编码器输出划分为可变长度片段并池化为连续 audio token 来压缩序列长度。该方法采用 GRPO 训练分段器，结合任务性能反馈与 token 速率惩罚。在 LibriSpeech 语音识别实验中，ASSET 减少了约 25% 的 audio token，并在 AISHELL 上以相近 token 率优于音素边界基准。
来源：arXiv 自然语言处理 · arxiv.org