ScreenASR-Bench 分层语音识别基准公开
热点事件持续更新
ScreenASR-Bench 分层语音识别基准公开
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Mingwei Fu 等作者提出并公开了 ScreenASR-Bench，一个按难度分三级的、带视觉语境的语音识别基准。 三个层级分别是：直接基于屏幕文字的显式文本证据（ETE）、使用非屏幕文字可见内容的显式视觉证据（EVE），以及需要场景级推断的隐式语义证据（ISE），难度逐级递增。作者称公开该基准是为推动视觉接地语音识别（visually grounded speech recognition）的后续研究。 该基准来自 arXiv cs.AI 分类的论文，公开范围、评测结果及适用条件以作者原文为准。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
ScreenASR-Bench：带视觉语境的分层语音识别基准发布报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIScreenASR-Bench：带视觉语境的分层语音识别基准发布
ScreenASR-Bench 是一个分三个难度层级的语音识别基准，分别考察屏幕直接文本证据（ETE）、可见内容视觉证据（EVE）和需场景级推断的隐式语义证据（ISE）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。