FormalASR konverterar talad kinesiska till formell text i realtid
Forskare har utvecklat FormalASR, en end-to-end AI-modell som omvandlar talad kinesiska direkt till formell skriven text, vilket minskar behovet av efterredigering.
Vad har hänt
En ny AI-modell, FormalASR, har lanserats. Den är utformad för att direkt transkribera talad kinesiska till formell skriven text. Till skillnad från traditionella ASR-system undviker FormalASR att inkludera talspråkliga element som tvekljud och informella fraser, vilka ofta kräver omfattande efterredigering. Modellerna, som finns i två storlekar (0.6B och 1.7B parametrar), är tränade på två nya dataset: WenetSpeech-Formal och Speechio-Formal.
Snabbfakta
| Modellnamn | FormalASR |
|---|---|
| Modellstorlekar | 0.6B och 1.7B parametrar |
| Förbättring (relativ CER-minskning) | Upp till 37.4% |
| Datum för publicering | 24 maj 2026 |
”Automatic speech recognition (ASR) systems are typically optimized for verbatim transcription, which preserves disfluencies, filler words, and informal spoken structures that are often unsuitable for downstream writing-oriented applications.”
”We present FormalASR, two compact end-to-end models (0.6B and 1.7B) that directly transcribe spoken Chinese into formal written text.”
Varför det spelar roll
Traditionella system för automatisk taligenkänning (ASR) fokuserar på ordagrann transkription, vilket ofta resulterar i text som är olämplig för skrivorienterade applikationer. Den vanliga lösningen med en tvåstegsprocess (ASR följt av en LLM för efterredigering) introducerar latens och ökad minnesförbrukning. FormalASR löser detta genom att erbjuda en direkt konvertering, vilket effektiviserar processen och möjliggör enklare implementering på enheter.
Vem påverkas
Utvecklare av AI- och språkmodeller kan dra nytta av den end-to-end-arkitektur som FormalASR erbjuder. Företag som arbetar med transkription, kundtjänst och medicinsk diktering kan se förbättrad effektivitet och minskade kostnader för efterbearbetning. Användare som behöver snabb och korrekt textning av talat innehåll påverkas positivt.
EU-status
Ej relevant för EU-status.
Mer att veta
FormalASR uppvisar en upp till 37.4% relativ minskning av ordmisstagsfrekvensen (CER) jämfört med befintliga, ordagranna ASR-system.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Vilka språk stöder FormalASR?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.