深度分析
REDDIT：重播分布編輯提升 Whisper 系列時間戳校正與 ASR 穩定性
研究指出自動語音辨識模型在長時間非語音段落會出現時間戳漂移。提出REDDIT兩階段重播分布編輯方法，利用自動生成的校正資料修正時間戳，同時避免遺忘問題。實驗顯示在Whisper‑tiny上將長段mIoU提升至95%。此方法僅更新0.6%參數，無需額外對齊模組，提升實務部署的可靠性。
自動語音辨識
深度分析
高通量聲學模擬與雙形式訊噪比在 OTA 語音對抗攻擊中的應用
隨著語音控制普及，研究發現現有對抗攻擊評估忽略聲學環境，作者提出高通量聲學模擬與雙形式訊噪比指標，實驗顯示在 Whisper 與 wav2vec 上錯誤率可提升至94.5%。此外，單一訊噪比無法同時衡量來源隱蔽性與受害者干擾程度，雙形式訊噪比分離兩者，為未來聲學對抗研究提供可重複、可驗證的度量基礎。
深度分析
LEAF‑X：以熵導向注意力提升 Transformer 語音辨識的可解釋性與時間定位精準度
隨著大型轉換器語音辨識模型精度提升，可解釋性仍不足。研究提出LEAF‑X，透過熵導向注意力加權與多層滾動，產生稀疏且時間定位精準的token‑to‑frame解釋，實驗顯示在Faithfulness、Locality與Stability上較既有方法提升30%以上。
速報
音訊-語言模型挑戰構音障礙語音：ASR提示策略與LoRA微調評測
自動語音辨識對構音障礙語音仍脆弱。本研究用SAP資料檢視診斷與臨床提示是否幫助音訊-語言模型，發現提示改進有限；LoRA微調搭配混合提示將WER降至0.066，對部分族群帶來顯著提升，並指出唐氏症與輕度語者受益最明顯，研究為測試更具包容性的ASR進步提供基準。