跳到正文
热点事件观察中

SoulX-Transcriber参赛SmartGlasses挑战赛

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

Yushi Wang等作者提交论文，介绍其参加SLT2026 SmartGlasses Challenge赛道一时间戳说话人归属ASR任务的系统。该系统采用多模态大语言模型SoulX-Transcriber，直接输入全长音频并生成结构化转写，以应对双人对话中的重叠语音、背景噪声和远场条件。 作者还测试了语音前端处理，包括基于规则的引导式源分离和数据驱动语音分离模型，两者均在验证集上提升性能。出于推理稳定性考虑，最终提交使用微调后的SoulX-Transcriber，测试集tcpCER为6.22。

根据报道生成 · 1 天前更新

最新进展10月12日 12:00
面向 SLT2026 SmartGlasses Challenge 的前端辅助大型音频语言模型

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv eess.AS
    面向 SLT2026 SmartGlasses Challenge 的前端辅助大型音频语言模型

    针对 SmartGlasses Challenge 赛道一的时间戳说话人归属 ASR 任务，参赛系统采用多模态大语言模型 SoulX-Transcriber，直接输入全长音频并生成结构化转写。为应对双人对话中的重叠语音、背景噪声和远场条件，引入基于规则的引导式源分离与数据驱动语音分离两种前端处理，均在验证集上带来提升。考虑推理稳定性，最终提交使用微调后的 SoulX-Transcriber，测试集 tcpCER 为 6.22。

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。