待验证60% 置信事实精确时间
2012年深度神经网络的引入使语音识别错误率骤降30%以上
2
来源数
60%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
待验证pyannote.audio最新版本采用端到端神经网络架构（EEND），说话人分离错误率（DER）在标准评测集上已降至10%以下73% 相似待验证有研究表明在自发语音场景下WER从5%提升到8%，用户感知的任务完成率可能下降超过30%69% 相似待验证固定声学特征的加入会在归一化后略微缩小 512d 语义分量的比例，损害需要忽略说话人音色的音频到音频任务：口语主题分类（SIBFLEURS）从 57.2% 降至 21.3%，口语意图（MInDS14）从 97.6% 降至 88.3%。67% 相似待验证现代语音识别技术基于深度学习中的端到端神经网络架构，尤其是Transformer模型的引入使识别准确率大幅提升66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/521177API
curl https://kongchang.com/api/v1/knowledge/claims/521177MCP
get_claim(id=521177)