Buchumschlag

Recording for Eyes, Not Echoing to Ears: Contextualized Spoken-to-Written Conversion of ASR Transcripts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jiaqing, Deng, Chong, Zhang, Qinglin, Zhou, Shilin, Chen, Qian, Yu, Hai, Wang, Wen
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Loss Masking Is Not Needed in Decoder-only Transformer for Discrete-token-based ASR
von: Chen, Qian, et al.
Veröffentlicht: (2023)

Skip-Layer Attention: Bridging Abstract and Detailed Dependencies in Transformers
von: Chen, Qian, et al.
Veröffentlicht: (2024)

OmniFlatten: An End-to-end GPT Model for Seamless Voice Conversation
von: Zhang, Qinglin, et al.
Veröffentlicht: (2024)

CopyNE: Better Contextual ASR by Copying Named Entities
von: Zhou, Shilin, et al.
Veröffentlicht: (2023)

Improving Contextual ASR via Multi-grained Fusion with Large Language Models
von: Zhou, Shilin, et al.
Veröffentlicht: (2025)

JSPG: Dynamic Dictionary Filtering via Joint Semantic-Pinyin-Glyph Retrieval for Chinese Contextual ASR
von: Zhou, Shilin, et al.
Veröffentlicht: (2026)

DrVoice: Parallel Speech-Text Voice Conversation Model via Dual-Resolution Speech Representations
von: Tan, Chao-Hong, et al.
Veröffentlicht: (2025)

Multimodal Fusion and Coherence Modeling for Video Topic Segmentation
von: Yu, Hai, et al.
Veröffentlicht: (2024)

FormalASR: End-to-End Spoken Chinese to Formal Text
von: Ning, Wanyi, et al.
Veröffentlicht: (2026)

Spirit LM: Interleaved Spoken and Written Language Model
von: Nguyen, Tu Anh, et al.
Veröffentlicht: (2024)

Written Term Detection Improves Spoken Term Detection
von: Yusuf, Bolaji, et al.
Veröffentlicht: (2024)

Exploring SSL Discrete Speech Features for Zipformer-based Contextual ASR
von: Cui, Mingyu, et al.
Veröffentlicht: (2024)

Chapter C7 Spoken and Written Performatives
von: Durant, Alan, et al.
Veröffentlicht: (2021)

Contextual ASR Error Handling with LLMs Augmentation for Goal-Oriented Conversational AI
von: Asano, Yuya, et al.
Veröffentlicht: (2025)

FGGM: Fisher-Guided Gradient Masking for Continual Learning
von: Tan, Chao-Hong, et al.
Veröffentlicht: (2026)

Investigating Transcription Normalization in the Faetar ASR Benchmark
von: Peckham, Leo, et al.
Veröffentlicht: (2025)

Low-Resource NMT: A Case Study on the Written and Spoken Languages in Hong Kong
von: Mak, Hei Yi, et al.
Veröffentlicht: (2025)

Who Spoke What When? Evaluating Spoken Language Models for Conversational ASR with Semantic and Overlap-Aware Metrics
von: Tawara, Naohiro, et al.
Veröffentlicht: (2026)

UniSLU: Unified Spoken Language Understanding from Heterogeneous Cross-Task Datasets
von: Sheng, Zhichao, et al.
Veröffentlicht: (2025)

How I Built ASR for Endangered Languages with a Spoken Dictionary
von: Bartley, Christopher, et al.
Veröffentlicht: (2025)

CTC-Assisted LLM-Based Contextual ASR
von: Yang, Guanrou, et al.
Veröffentlicht: (2024)

Fun-Audio-Chat Technical Report
von: Tongyi Fun Team, et al.
Veröffentlicht: (2025)

Beyond Transcription: Mechanistic Interpretability in ASR
von: Glazer, Neta, et al.
Veröffentlicht: (2025)

GenesisFunc: Multi-Agent Data Generation for Accurate and Generalizable Function-Calling
von: Xu, Hao-Xiang, et al.
Veröffentlicht: (2026)

Lightweight Prompt Biasing for Contextualized End-to-End ASR Systems
von: Ren, Bo, et al.
Veröffentlicht: (2025)

Interventional Speech Noise Injection for ASR Generalizable Spoken Language Understanding
von: Jung, Yeonjoon, et al.
Veröffentlicht: (2024)

Analyzing Error Propagation in Korean Spoken QA with ASR-LLM Cascades
von: Jung, Donghyuk, et al.
Veröffentlicht: (2026)

Enhancing Speech Emotion Recognition Leveraging Aligning Timestamps of ASR Transcripts and Speaker Diarization
von: Wang, Hsuan-Yu, et al.
Veröffentlicht: (2025)

Enhancing the Robustness of Contextual ASR to Varying Biasing Information Volumes Through Purified Semantic Correlation Joint Modeling
von: Gu, Yue, et al.
Veröffentlicht: (2025)

LLM-as-a-Coauthor: Can Mixed Human-Written and Machine-Generated Text Be Detected?
von: Zhang, Qihui, et al.
Veröffentlicht: (2024)

What Do Humans Hear When Interacting? Experiments on Selective Listening for Evaluating ASR of Spoken Dialogue Systems
von: Mori, Kiyotada, et al.
Veröffentlicht: (2025)

Fun-ASR Technical Report
von: An, Keyu, et al.
Veröffentlicht: (2025)

EmoNews: A Spoken Dialogue System for Expressive News Conversations
von: Matsuura, Ryuki, et al.
Veröffentlicht: (2025)

Improving ASR Contextual Biasing with Guided Attention
von: Tang, Jiyang, et al.
Veröffentlicht: (2024)

Spoken DialogSum: An Emotion-Rich Conversational Dataset for Spoken Dialogue Summarization
von: Lu, Yen-Ju, et al.
Veröffentlicht: (2025)

Towards Conversational Medical AI with Eyes, Ears and a Voice
von: Shah, Meet, et al.
Veröffentlicht: (2026)

Joint Beamforming and Speaker-Attributed ASR for Real Distant-Microphone Meeting Transcription
von: Cui, Can, et al.
Veröffentlicht: (2024)

MedSpeak: A Knowledge Graph-Aided ASR Error Correction Framework for Spoken Medical QA
von: Song, Yutong, et al.
Veröffentlicht: (2026)

Human Latency Conversational Turns for Spoken Avatar Systems
von: Jacoby, Derek, et al.
Veröffentlicht: (2024)

Optimal Transport Regularization for Speech Text Alignment in Spoken Language Models
von: Xu, Wenze, et al.
Veröffentlicht: (2025)