概念Word Timestamps
词级时间戳
为语音识别结果中每个词提供起止时间的技术，是字幕生成、关键词检索和音频编辑的基础能力。
时间轴 (近 90 天)
10月29日
将说话人日志和词级时间戳内化到 ASR 模型中，通常需要在解码时联合预测说话人标签和时间边界，好处是省去级联管线的误差累积与额外延迟。
待验证50%
10月29日
联合预测说话人标签和时间边界需要额外的带说话人和时间边界的转写语料来训练，且联合解码可能略微影响纯文本识别的准确率。
待验证50%
为语音识别结果中每个词提供起止时间的技术，是字幕生成、关键词检索和音频编辑的基础能力。
将说话人日志和词级时间戳内化到 ASR 模型中，通常需要在解码时联合预测说话人标签和时间边界，好处是省去级联管线的误差累积与额外延迟。
联合预测说话人标签和时间边界需要额外的带说话人和时间边界的转写语料来训练，且联合解码可能略微影响纯文本识别的准确率。