热点事件观察中

LATTE：音韵感知说话人提取前端

1 篇报道1 个报道来源2 天前更新

先了解这件事

事件综述

Yanxiang Chen等研究者提出轻量级目标说话人提取前端LATTE，参数5.2M，由声学难度估计器、任务自适应音韵先验和自适应Hourglass提取器组成，推理时无需语言标识即可为每个混合语音分配计算量。在PolyExtract上，LATTE以0.30 GFLOPs取得15.07 dB的macro SI-SNRi，与0.53 GFLOPs固定深度模型的性能差距在0.09 dB以内，计算量减少43.4%；平均WER从TF-GridNet的16.8%降至14.6%。

根据报道生成 · 1 天前更新

最新进展10月12日 12:00

LATTE：面向音频 LLM 的音韵感知说话人提取前端

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv eess.AS
LATTE：面向音频 LLM 的音韵感知说话人提取前端
研究者提出轻量前端 LATTE（5.2M 参数），通过声学难度估计器、任务自适应音韵先验和自适应 Hourglass 提取器，在推理时无需语言标识即可为每个混合语音分配计算量。在 PolyExtract 上，LATTE 以 0.30 GFLOPs 达到 15.07 dB 的 macro SI-SNRi，性能与 0.53 GFLOPs 固定深度模型相差 0.09 dB 以内，同时计算量减少 43.4%，并将平均 WER 从 TF-GridNet 的 16.8% 降至 14.6%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。