Futures
Accédez à des centaines de contrats perpétuels
CFD
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
Promotions
Centre d'activités
Participez et gagnez des récompenses
Parrainage
20 USDT
Invitez des amis et gagnez des récompenses
Programme d'affiliation
Obtenez des commissions exclusives
Gate Booster
Développez votre influence et gagnez des airdrops
Annoncement
Mises à jour en temps réel
Blog Gate
Articles sur le secteur de la crypto
AI
Gate AI
Votre assistant IA polyvalent pour toutes vos conversations
Gate AI Bot
Utilisez Gate AI directement dans votre application sociale
GateClaw
Gate Blue Lobster, prêt à l’emploi
Gate for AI Agent
Infrastructure IA, Gate MCP, Skills et CLI
Gate Skills Hub
+10K compétences
De la bureautique au trading, une bibliothèque de compétences tout-en-un pour exploiter pleinement l’IA
GateRouter
Choisissez intelligemment parmi plus de 40 modèles d’IA, avec 0 % de frais supplémentaires
L'Université nationale de Singapour et la Nanyang Technological University ont lancé Mega-ASR open source, réduisant les hallucinations et les omissions dans la reconnaissance automatique de la parole (ASR) sous des bruits extrêmes
Le modèle est basé sur Qwen3-ASR 1.7B, et affiche une amélioration de performance allant jusqu'à 30 % par rapport à des modèles comme Whisper, Gemini 3 Pro et Seed-ASR dans des environnements acoustiques extrêmement complexes.
Actuellement, le projet est open-sourcé sur GitHub, avec tous les codes et poids du modèle publiés sous la licence Apache-2.0.
L'équipe de recherche a construit un ensemble de données d'entraînement Voices-in-the-wild-2M comprenant 2,4 millions d'échantillons, totalisant 11 000 heures.
Cet ensemble de données a été synthétisé via une pipeline simulant les caractéristiques physiques du spectre, intégrant sept effets acoustiques atomiques : réverbération, écho, bruit additif, environnement distant, perte de fréquence, limitation de bande passante et distorsion par découpage, et dérivant 54 scénarios environnementaux composites.
Pour assurer la stabilité de l'entraînement, l'équipe a calibré la distribution de difficulté de l'ensemble de données en filtrant les échantillons avec un taux d'erreur de mot supérieur à 70 %, puis en utilisant une détection de la plausibilité physique.
Concernant la mécanique d'entraînement, Mega-ASR introduit une fine-tuning progressive supervisée acoustique à sémantique A2S-SFT, alignant par étapes les caractéristiques audio pour renforcer la capacité du modèle à restaurer la sémantique sous forte perturbation.
Lors de la phase d'optimisation stratégique, le modèle utilise une stratégie de contrôle d'erreur de mot à double granularité, DG-WGPO, pour un apprentissage par renforcement.
Lorsque la qualité de l'audio d'entrée est bonne et que le taux d'erreur de mot est faible, le système privilégie la reconstruction des détails acoustiques au niveau des caractères.
En cas de distorsion sévère de l'audio et de taux d'erreur élevé, le mécanisme de décision se tourne vers une reconstruction sémantique au niveau de la phrase, réduisant considérablement les hallucinations et omissions typiques des grands modèles.
Pour faire face à une légère baisse de précision possible en audio propre, Mega-ASR intègre un mécanisme de routage dynamique.
Le décideur de routage peut évaluer automatiquement la qualité de l'audio actuel et décider intelligemment de charger ou non les poids de fine-tuning LoRA, garantissant ainsi que le modèle donne les résultats optimaux en environnement propre comme bruyant.
(Source : BlockBeats)