京都大学提出音素引导初始化提升低资源语音识别

2026年10月15日，有报道称京都大学团队在 IEEE SLT 2026 提出「音素引导初始化」方法，用于提升低资源场景下的语音识别。该方法分两步预训练：先用「语音→音素」任务预训练音频编码器，再用「音素→文字」任务预训练大语言模型，随后将两者连接，在目标 ASR 任务上端到端微调，以解决低资源语音 LLM 面临的模态匹配难题。报道称，该方案使低资源语音识别的错误率降至 11.7%。除这篇论文介绍外，目前尚未见其他进展报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。