计算机科学 > 计算与语言
[提交于 2026年1月31日
]
标题: Kanade:一种用于口语语言建模的简单解耦分词器
标题: Kanade: A Simple Disentangled Tokenizer for Spoken Language Modeling
摘要: 一个好的语言模型从一个好的分词器开始。 分词对于语音建模尤其重要,因为必须处理混合语言和非语言信息的连续信号。 一个语音分词器应该提取语音和语调,抑制像说话人身份这样的语言无关信息,并实现高质量的合成。 我们提出了Kanade,一种单层解耦的语音分词器,实现了这一理想。 Kanade将声学常量分离出来,创建了一个捕捉丰富语音和语调的单一标记流。 它不需要现有解耦编解码器通常依赖的辅助方法。 实验表明,Kanade在说话人解耦和词汇可用性方面达到了最先进的水平,同时保持了出色的重建质量。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.