Asr
Fellow suit ce sujet depuis juillet 2026 : 14 articles résumés en français, dont 6 jugés majeurs ou notables.
Toute l'actualité · 14 articles
Préserver pour étendre : adaptation sensible à la source et fusion de modèles pour l'ASR multilingue basée sur LLM
Une étude examine comment ajouter de nouvelles langues à un système d'ASR à base de Speech LLM sans oublier les langues déjà prises en charge, et sans rejouer les données sources.
Granite Speech 5.0 : transcrire, traduire et attribuer la parole avec plus de précision et de rapidité
IBM dévoile granite-speech-5.0-2b, nouveau modèle speech-language, et met à jour deux modèles de sa collection Granite Speech : 5.0 470m TurboCTC et 4.1 2B Plus.
Granite Switch 4.1 : chat, décisions et parole depuis un seul endpoint
IBM lance Granite Switch 4.1, en versions 8B et 30B : un modèle unique combine réponses en langage naturel, adaptateurs de décision et reconnaissance vocale, avec une empreinte VRAM proche du modèle de base.
Hugging Face et TII dévoilent Falcon ASR, un modèle de reconnaissance vocale open-weights
Le Technology Innovation Institute des Émirats arabes unis publie en open-weights un modèle de transcription automatique de la parole, disponible sur Hugging Face.
Nari Qwen3-TTS et Qwen3-ASR : haute précision et latence réduite
Nari Labs présente ses modèles de synthèse et reconnaissance vocale basés sur Qwen3, mis en avant pour leur précision, faible latence et coût réduit.
Context-Aware Interleaved Batching : une amélioration du batching contextuel pour WhisperX
Un nouvel algorithme combine la vitesse du batching de WhisperX et la cohérence contextuelle de Whisper standard pour la transcription longue durée.
Risques de sécurité de l'IA incarnée face aux erreurs ASR
Les erreurs de reconnaissance vocale exposent les modèles d'IA incarnée à des exécutions dangereuses.
L'Open ASR Leaderboard intègre sa première langue du Sud global
Hugging Face étend son classement open source à la reconnaissance vocale pour soutenir les langues sous-représentées.
Fine-tuning de Whisper pour la reconnaissance vocale en baniwa : une étude préliminaire
Des chercheurs adaptent Whisper à une langue arawak parlée au Brésil, en Colombie et au Venezuela, avec seulement 0,54 heure d'audio annoté.
TurboBias 2.0 : biais de contexte en streaming pour l'ASR
Un cadre optimisé pour le biais contextuel dans les systèmes ASR de production, compatible avec le streaming et le traitement par lots.
Optimisation des benchmarks en reconnaissance vocale
Hugging Face analyse l'impact de l'optimisation sur les benchmarks de reconnaissance automatique de la parole.
DONDO : modèles ouverts de reconnaissance vocale w2v-BERT pour les langues africaines
Vingt-six modèles ASR en licence Apache-2.0 couvrent 27 langues africaines, avec des taux d'erreur mots comparables aux baselines monolingues.
Reconnaissance vocale via modèle de langage à diffusion discret
Cette approche remplace les décodeurs autoregressifs par un modèle de diffusion discret entraîné sur seulement 0,16 % des paramètres.
Tokenizer Transplantation : corriger l'effondrement autoregressif en ASR Bengali
Une méthode de 'transplantation' de vocabulaire améliore considérablement l'ASR edge pour le Bengali sans ré-entraînement complet.