**将转录策略作为潜在变量：激活可控的逐字语音识别**

_Transcription Policy as a Latent Variable: Activating Controllable Verbatim ASR with Word-Level Timing_

> 研究指出，现代ASR模型因未控制转录风格（逐字与意图）导致解码不稳定和评估偏差。通过引入覆盖感知的解码器任务令牌，该模型在零样本情况下将德语犹豫词F1分数从10%提升至79%，并提出了supervised cross-attention微调方法以改善含犹豫语音的词级时间戳精度，同时发布了verbatimize任务以促进高质量逐字转录语料的构建。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.18934)