May, 2021

Mondegreen：一种针对语音搜索查询的语音识别错误后处理解决方案

HTML
PDF
TL;DR本文介绍了一种名为Mondegreen的方法，它可以在没有声音信号的情况下，通过对用户的语音查询在文本空间中进行更正，以解决自动语音识别引入的误差导致的不相关搜索结果问题，并且已经在Google等公司的搜索系统中得到了显著的改善。
发现论文，激发创造
  • ASR纠错和语言理解的联合上下文建模

    该研究提出了一种多任务神经网络方法，通过对话系统中的语音识别输出进行上下文语言纠正和语言理解以改善两个任务的性能，从而提高自动语音识别的质量。

    Jan, 2020

  • 利用机器翻译进行ASR纠错和领域适应

    本文提出了一种简单的技术，通过机器翻译实现ASR误差校正的领域自适应，我们使用了Google ASR和ASPIRE模型进行了实验，结果显示我们的方法可以使Google ASR输出的字错率下降7%，其BLEU分数绝对值提高了4点；同时，通过流下游任务Speaker Diarization，我们还评估了ASR误差校正，并捕捉了由ASR更正而获得的说话人风格、语法、结构和语义改进。

    Mar, 2020

  • ASR-GLUE：一个新的ASR-Robust自然语言理解多任务基准

    为了评估ASR误差下NLU系统的性能，本研究提出了ASR-GLUE benchmark，包括6个不同的NLU任务，以及声音特点和噪声等级的变化。研究结果表明，基于数据增强和纠错的方法可以在一定程度上提高NLU系统的鲁棒性，但仍需要进一步研究。

    Aug, 2021

  • 口语问答中语音识别误差对文本检索的影响

    研究了语音接口与问答系统交互过程中的问题，使用数据增强技术来探究自然语音识别噪音对信息检索的影响。结果表明，自然语音识别噪音会对信息检索产生负面影响，提出使用数据增强来解决这个问题。

    Sep, 2022

  • 对话语言的自动语音识别系统评估：语言学视角

    本文以法语为案例研究，从语言学的角度探讨自动语音识别系统在复杂语境下的识别准确度，并解决了法语同音词的歧义问题，提高了法语语音转写准确度。

    Nov, 2022

  • PATCorrect：非自回归音素增强Transformer用于ASR误差校正

    本文提出了一种基于Transformer模型和音素编码器的新型非自回归（NAR）纠错方法，该方法通过减少单词错误率（WER）来提高转录质量，并在不同的上游ASR系统中实现了鲁棒性能，特别是在GPU硬件上实现了与其他NAR模型相当的推断延迟，并且比自回归模型快4.2-6.7倍。

    Feb, 2023

  • 生成式大型语言模型能否执行 ASR 错误校正？

    本文使用ChatGPT模型作为例子，研究其在零样本或一次样本设置中执行ASR错误校正的能力，并提出了无约束错误校正和N-best约束错误校正方法。结果表明，使用强大的ChatGPT模型进行错误校正可以大大提高ASR系统性能。

    Jul, 2023

  • 高精度语音搜索查询纠错通过可检索的语音-文本嵌入

    通过使用多模式语音文本嵌入网络，从语音文本数据库中直接查询校正候选项，以消除音频-假设不匹配问题，并在将候选项添加到原始候选列表之前使用语音-文本嵌入距离对候选项进行评分，该方法在改善检索率的同时，降低了相对的词错误率（WER）。

    Jan, 2024

  • 实用自动语音识别与后处理：可解释错误基准指南的呼吁

    通过提出一个Speech和Text综合考虑的Error Explainable Benchmark数据集，我们能够更全面地了解ASR模型的不足之处，消除系统的弱点，从而提高用户体验。

    Jan, 2024

  • 自动语音识别系统——印地语

    自动语音识别（ASR）是计算语言学的一个关键领域，主要研究开发能够使计算机将口语转换为文本的技术。该研究聚焦于开发基于JavaScript和Node.js的网络应用程序和语音识别的网络界面，使用监督学习训练改善语音识别的神经网络，并设计对声音信号进行准确对齐的新型反向传播方法。

    Jun, 2024