Transcription Policy as a Latent Variable: Activating Controllable Verbatim ASR with Word-Level Timing

• 类型：arxiv
• 标识：2607.18934
• 链接：https://arxiv.org/abs/2607.18934
• 主分类：evaluation
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Verbatimize is proposed, a new task enabling scalable creation and enrichment of speech corpora with high-quality canonical verbatim transcriptions and supervised cross-attention fine-tuning that improves word-level timestamps on disfluent speech beyond forced-alignment baselines.
• OpenAlex ID：W7170069578
• OpenAlex DOI：10.48550/arxiv.2607.18934
• DOI：10.48550/arxiv.2607.18934
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.18934
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 标题中文：转写策略即潜变量：通过词级时序激活可控逐字 ASR
• TLDR中文：本文提出 Verbatimize 这一新任务，能够以高质量规范化逐字转录对语音语料库进行可扩展的创建与扩充，并通过有监督的 cross-attention 微调，将不流畅语音上的词级时间戳表现提升至超过强制对齐 baseline。
• 来源文件：
• /inbox/tom/_candidates/2026-07-22-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-07-23-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]