某机构ICASSP会议论文技术综述

在国际声学、语音与信号处理会议（ICASSP）上，某机构发表的论文一如既往地聚焦自动语音识别领域，其中特别强调个性化语音识别技术。声学事件检测、关键词识别和信号处理等主题同样得到充分体现。与此同时，部分论文还涉足更广泛的领域，包括常识推理、自学习、查询重写和通用机器学习技术。

音频事件分类

• FedRPO：基于联邦松弛帕累托优化的音频事件分类系统
• 多尺度音频频谱变换器：实现高效音频分类
• 基于Transformer的生物声音事件检测：针对少样本学习任务
• 权重共享超网络：跨设备约束搜索专用音频事件分类网络

自动语音识别

• 跨语句ASR重评分：基于图的标签传播技术
• 动态分块卷积：统一流式与非流式Conformer ASR架构
• 域适应技术：利用外部策略声学目录实现可扩展上下文端到端语音识别
• 门控上下文适配器：在神经转导器中实现选择性上下文偏置

代码生成

• 对话式文本到SQL转换：探索最新技术进展与未来挑战 提出的文本到SQL系统包含三个核心组件：(a) 基于离散提示的相干任务多任务处理；(b) 约束解码；(c) 使用查询计划模型和模式链接算法的N最佳列表重排序

常识推理

• CLICKER：基于注意力的跨语言常识知识迁移框架

持续学习

• 量化持续联邦学习中的灾难性遗忘：提出评估指标与方法

端点检测

• 基于深度上下文多臂赌博机的自适应端点检测
• 精准实时语音结束估计：改进端点检测精度

关键词识别

• 双注意力神经转导器：实现语音识别中高效唤醒词检测
• 定点量化感知训练：面向设备端关键词识别系统的优化
• 自监督语音表示学习：结合轻量级Transformer的关键词识别

语言学习

• 语音RNN转导器：用于发音错误诊断的系统

机器学习

• 剪枝后蒸馏：基于重要性采样的数据集蒸馏技术
• 偏置项在点积注意力中的作用：机理分析与优化

自然语言理解

• 蒸馏-量化-调优：利用大型教师模型实现边缘设备多语言NLU
• 金字塔动态推理：通过早期退出机制加速推理过程

个性化语音识别

• 对话行为引导的上下文适配器：实现个性化语音识别
• PROCTER：神经转导器中发音感知的上下文适配器
• 槽触发上下文偏置：基于神经转导器的个性化识别方案

查询重写

• KG-ECO：基于知识图的查询重写实体校正系统

自学习

• 联邦自学习：结合弱监督的语音识别训练框架
• 自我修复机制：通过错误检测、归因和重新训练实现系统优化

信号处理

• 统一实时个性化与非个性化语音增强框架
• 增强鲁棒自监督学习：用于人类活动识别的新方法
• 基于生成建模的流形学习：为自适应滤波提供指导
• SPADE：声学解纠缠的自监督预训练技术

口语理解

• 端到端口语理解：联合CTC损失与自监督预训练声学编码器
• 端到端语音模型的子组性能探索：多维度性能分析
• 超低资源多语言端到端口语理解：资源受限场景优化

文本到语音

• 帧级WaveGAN：低计算复杂度时域对抗声码器
• 低资源口音建模：无需特定口音TTS前端的技术方案

视频处理

• ModEFormer：基于Transformer的音频-视频同步模态保持嵌入
• 多尺度组合约束：视频表示学习的创新方法

语音通信

• 低比特率冗余编码：使用率失真优化变分自编码器的语音编码技术