京都大学提出音素引导初始化：低资源语音识别错误率降至 11.7%

京都大学团队在 IEEE SLT 2026 提出音素引导初始化：先用「语音→音素」预训练音频编码器、「音素→文字」预训练 LLM，再连接两者在目标 ASR 任务上端到端微调，以解决低资源语音 LLM 的模态匹配难题。