研究者提出面向嘈杂自发语音的抗噪强制对齐方案

2026年10月19日，研究人员针对真实嘈杂环境下的自发语音，提出了一种新型抗噪强制对齐方案。该方案采用上采样 WavLM 特征替代传统的 MFCC，引入了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。实验结果显示，该方案在 Buckeye 与 FluencyBank 数据集上的词边界平均绝对误差（MAE）分别降至 20.6 毫秒和 76.9 毫秒，相较于 Montreal Forced Aligner（MFA）的最佳模型，严重对齐错误减少了 2.7 倍。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。