在线西班牙语课堂ASR的细分误差评估与域内适配

课堂域内数据适配比数据量更能改善双语教育ASR

资讯摘要

论文比较平台集成、开放权重、适配版与商用ASR在英语母语学习者在线西班牙语课堂录音上的表现，除整体WER与CER外，还按说话人角色和语言情境拆分误差，并计算DER。作者用LoRA在人工校正的课堂数据上适配Whisper large-v3与MOSS-Transcribe-Diarize，报告MOSS适配在各角色和语言情境下均有稳定提升，Whisper提升较小；域匹配比数据量更重要。

要点速读

1. 评估覆盖西班牙语、英语及语码转换片段，并按说话人角色与语言情境拆分WER。
2. 作者用LoRA适配Whisper large-v3和MOSS-Transcribe-Diarize，MOSS提升稳定，Whisper增益较小。
3. 开放权重MOSS适配器在WER和CER上与商用Muse Voice Transcribe相当，系统提供的DER更低。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。