Granite Speech时间戳回绕:恢复十秒周期标签并保留静音边界 素材身份:作者原创输入/可编辑参考。目标工具未在本轮执行。 先打开 index.html;input.csv 是原始字段,reference.csv 是验收基准,negative.csv 是故意构造的坏样例。 actual-results.csv 保留未测状态,实际执行后再填写。 前置条件: 准备自己有权使用的合成练习资料,不上传他人的录音或私密内容。 按官方文档核对当前平台、版本与套餐;本轮目标产品操作未执行,练习文件可离线查看。 练习包提供口述脚本、规则与验收数据,不附目标工具生成录音。按录音说明自行录制有权使用的输入,并在运行后保存实际音频。 操作步骤: 1. 读取Plus标签定义 确认模型是4.1-2b-plus及时间戳模式,标签N表示百分秒四舍五入后模1000。别将同系列基础ASR的格式套给本课。 2. 建立顺序标签练习 按清单把五个标签和静音项放进离线解析器。样例数字是作者计算用输入,不标成模型真实转录。 3. 在回绕处更新周期 从920、970到15时把周期计数增加一次,绝对时间用N/100+10R。保留原始标签和R,便于发现重复或漏段。 4. 保留静音端点 遇到_也读取它附带的结束标签,不在解析前丢掉整项。最终字幕可隐藏静音文本,但时间顺序校验仍需该边界。 5. 核对单调与音频长度 恢复后应得到9.20、9.70、10.15、10.85、11.40秒。若结果超出录音、缺段超过周期或出现异常降序,标为需人工检查而非强补周期。 6. 遵守时间戳测试范围 官方报告时间戳任务测试到约3.5分钟,按实际版本核对。长文件先规划短段与全局偏移,不把更长输入成功率写成保证。 7. 交付原始与恢复两层数据 保存标签、恢复规则、绝对时间和异常清单。真实模型未运行时,交付离线算术验证和空的模型结果路径。 验收: 检测970到15回绕并加10秒,而不是输出时间倒退。 静音占位也保留边界位置,显示字幕时可不显示下划线。 只在受控连续样例按顺序解码,不把丢失长段时的回绕次数猜成真值。 官方资料: https://huggingface.co/ibm-granite/granite-speech-4.1-2b-plus 图片身份:assets/ 为内置image_gen生成的原创练习输入缩略版,原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。