Hugging Face Daily Papers·· 4 天前精选AI 评分58
VoxLock：无需注册步骤的语音智能体目标说话人提取
VoxLock: Target-Speaker Extraction for Voice Agents Without an Enrollment Step
AI 导读
作者在单张 GPU 上微调公开的因果目标说话人提取模型 REAL-TSE（27M 参数），使其可直接从通话中截取的语音样本工作，并开源为 VoxLock。在 Krisp 的 265 条录音基准上，其 WER 为 4.95%，未处理时为 23.21%；85 分钟纯背景语音中仅 9 个背景词进入转写。
推荐理由
作者公开了模型、代码与逐文件评分，读者可据此判断免注册声纹提取在真实通话中的可用性。
来源：Hugging Face Daily Papers · huggingface.co