Oct, 2022

四合一：联合逆文本规范化、标点、大写和表达不流畅对于自动语音识别的方法

PDF
TL;DR本文提出一种统一的自动语音转换为书写形式文本的方法，使用了一个两阶段的过程实现了逆文本规范化、标点符号、大写和不流畅的统一标注，然后使用权重有限状态转换器语法来格式化标注的 ITN 实体跨度。该方法在自然语言处理中的成果优于专门的模型。
automatic speech recognitionspoken-to-written text conversiontransformer tagging modelweighted finite state transducernatural language processing
发现论文，激发创造
  • 基于设备的流式快速精准逆文本规范化技术应用于自动语音识别

    本文描述了一种轻量级、准确的现场 Inverse Text Normalization（ITN）系统，通过使用流式 Transformer 标记器和 ITN 分类特定的 WFST，可在标记的文本上可靠地执行 ITN 转换，比基线模型小得多且具有自定义能力。

    Nov, 2022

  • 基于数据驱动的语言无关反向文本规范化

    本研究提出了一种语言不可知的数据驱动反文本归一化框架，通过数据增强和神经机器翻译数据，填补了非英语标记语料库与自动语音识别模型转换到书写形式文本的方法的不足。实证评估表明，该模型有效地处理了低资源语言，同时保持了高资源语言的性能。

    Jan, 2023

  • Thutmose 标注器：用于反向文本规范化的单通神经模型

    本文提出了一种基于单通词分类器模型的逆文本规范化方法，该方法通过在每个输入标记上分配替换片段或标记它们以进行复制或删除来执行此任务，并通过基于 ITN 实例的颗粒对齐的数据集准备方法来缓解网络模型的幻觉问题。此方法在英语和俄语测试集上均取得了最新的句子准确率。

    Jul, 2022

  • 通过数据增强、半监督学习和后对齐方法改善神经逆文本规范化的鲁棒性

    逆文本规范化（ITN）对于将口语形式转换为书面形式至关重要，尤其在自动语音识别（ASR）的背景下。虽然 ASR 的大多数下游任务依赖于书面形式，但 ASR 系统通常输出口语形式，这突出了在产品级 ASR 应用中稳健的 ITN 的必要性。虽然神经 ITN 方法已经显示出潜力，但它们在处理 ASR 生成的口语文本时仍然面临性能挑战。这些挑战源于训练数据和 ASR 生成文本之间的域外问题。为了解决这个问题，我们提出了一种直接训练方法，它利用 ASR 生成的书面或口语文本，并通过 ASR 语言环境仿真和半监督学习方法增强了大型语言模型，增加了数据对。此外，我们引入了一种后对齐方法来处理不可预测的错误，从而提高了 ITN 的可靠性。我们的实验表明，在各种 ASR 场景中，我们提出的方法显著改善了 ITN 的性能。

    Sep, 2023

  • indic-punct：用于印度语言的自动标点还原和逆文本规范化框架

    本研究提出了一种使用预训练的 IndicBERT 模型进行自动文本标点的方法，并通过手写加权有限状态转换器（WFST）语法进行反文本归一化。我们已经为 11 种 Indic 语言开发了此工具，可公开获取所有代码和数据。

    Mar, 2022

  • 利用数据增强改进基于数据驱动的逆文本规范化

    本文介绍一种数据增强技术，可有效地从领域外的文本数据生成丰富的口头书面数字对，可用于逆文本规范化模型的训练，通过在所有数字表面上的总精度提高了 14.44％，表明了在数据量和成本等方面的优势。

    Jul, 2022

  • 使用 Transformer 和 Chunk Merging 实现自动语音识别的快速准确的大写和标点符号

    本文提出了一种基于变形金刚模型和块合并的长语音自动语音识别标点和大写字母恢复方法，实验证明该方法在正确性和解码速度两方面均优于现有方法，并使用英国国家语料库可行。

    Aug, 2019

  • 有限状态转换器和语言模型的浅层融合用于文本规范化

    该研究提出了一种基于加权有限状态转换器和神经语言模型的混合方法，以解决文本归一化的上下文依赖性问题。

    Mar, 2022

  • 文本转语音中的非标准越南语词语检测和规范化

    本文提出了一种新的两阶段文本标准化方法解决语音合成中的 NSWs（数字，日期，范围，分数，缩写，URL，电子邮件，哈希标签和联系人名字）语义歧义和发音问题。第一个阶段使用基于模型的标注器检测 NSWs，第二个阶段使用基于正向词典的最大匹配算法将哈希标签，电子邮件地址和联系人名字等 NSWs 拆分为发音形式。实验结果表明，该方法的错误率较低，达到 6.67％。

    Sep, 2022

  • 基于 Transformer 的长篇口述流式标点

    本文提出了一种使用动态解码窗口的流式标点或重新标点的自动语音识别输出方法，并测量了其对标点和分段准确性的影响。新系统解决了过度分段的问题，提高了分段 F0.5 得分 13.9%。流式标点平均提高了 0.66 的 BLEU 分数，适用于机器翻译领域。

    Oct, 2022