Sep, 2023

人工转写质量提升

PDF
TL;DR我们提出了一种可靠的方法来收集语音转录，通过在标注阶段进行置信度估计重新处理和在标注后进行自动词错误校正来提高转录质量。我们发布了 LibriCrowd—— 一个包含 100 小时英语语音的大规模众包数据集。实验结果显示，转录错误率降低了 50% 以上。我们进一步研究了转录错误对 ASR 模型性能的影响，并发现了强相关性。转录质量的提高可以使 ASR 模型的错误率下降 10% 以上。我们将数据集和代码发布给研究社区，以造福广大研究者。
transcription dataautomatic speech recognitionlibricrowdword error correctionasr models
发现论文，激发创造
  • 我们是谁，以及我们认为自己是谁 - 评估自我知觉的准确性

    本文质疑了现代自动语音识别系统在基准数据集上达到极低词错误率的报告，同时比较了三种最先进的商用自动语音识别系统在现实生活中的人类对话和公共基准测试中的表现，并得出结论：WERs 显著高于最佳报告结果。我们制定了一组准则，可帮助创建高质量注释的现实生活中多领域数据集，以训练和测试强大的 ASR 系统。

    Oct, 2020

  • 利用预训练语言模型生成人类可读的自动语音识别转录

    本文提出了一个自动语音识别后处理模型，旨在将不正确和嘈杂的 ASR 输出转换为可读的文本，并使用元数据提取语料库构建了一种任务特定的数据集，并使用两阶段训练策略来微调 RoBERTa 预训练模型。在测试集上，我们的模型在可读性感知 WER（RA-WER）上比基线模型提高了 13.26％，在 BLEU 度量上提高了 17.53％。人类评估还证明我们的方法可以生成比基线更易读的转录本。

    Feb, 2021

  • 基于 ASR 转录的语音情感识别：关于词误率和融合技术的全面研究

    使用不同词错误率（WERs）的 ASR 转录对 IEMOCAP，CMU-MOSI 和 MSP-Podcast 等已知语料库进行 SER 性能评估，同时提出了一个统一的 ASR 错误抗干扰框架，并与最佳表现的 ASR 转录进行比较，实现了更低的 WER 和更高的 SER 结果，为 SER 与 ASR 协助的研究提供了洞见。

    Jun, 2024

  • 英国最高法院听证会更好的转录

    本文介绍了为英国司法部门设计自动转录工具的部分研究成果，使用自然语言处理和语音识别技术以及词汇短语提取机制等方法改进了识别准确率和专门用于英国法庭的术语转录质量。

    Nov, 2022

  • HTEC: 人工听写错误校正

    我们提出了一种用于人类转录错误纠正的人工检错和填充模型（HTEC），其包含两个阶段：Trans-Checker 用于检测和屏蔽错误的单词，Trans-Filler 用于填补屏蔽位置，该模型在转录质量方面表现出较大优势，并提高了 15.1% 的转录质量而不影响转录速度。

    Sep, 2023

  • 众包标注中的手写文本识别

    本文研究了多种训练模型的方式来识别手写文本，特别是在存在多个不完整或有噪声的转录版本时，考虑了不同的训练配置和数据选择方法，并在法国贝尔福市的城市登记册上进行了实验，结果表明，计算共识转录或基于多个转录进行训练是有希望的替代方案，但基于注释者之间的一致程度选择训练样本会引入偏差并不能提高结果。

    Jun, 2023

  • 失传于转录：识别和量化自动语音识别系统对不流利语音的准确性偏差

    这项研究评估了六个领先的自动语音识别系统对有语吃现象的言语的处理性能，并发现这些系统普遍存在的准确性偏差对不流利言语的处理，导致语法和语义不准确的转录，揭示了当前自动语音识别技术存在的重要差距，强调了有效的偏见缓解策略的必要性。

    May, 2024

  • 公开数据的语音增强是否有助于构建鲁棒的语音识别系统？

    本研究旨在研究使用公开的噪声数据训练自动语音识别（ASR）系统的可行性，并发现使用语音增强技术进行数据清理后训练 ASR 系统比仅使用噪声数据和纯净数据训练 ASR 系统分别提高了 9.5％和 9％的单词错误率，其表现与噪声数据和纯净数据训练的理想情况相当。

    Oct, 2019

  • CrowdSpeech 和 VoxDIY: 众包音频转写基准数据集

    通过众包方式，我们收集并发布了大规模的 CrowdSpeech 数据集，用于推动语音识别方面的数据聚合算法的研究和发展。为此，我们设计了一套构建众包语音转录数据集的有效流程，并将其应用于缺乏资源的俄语语言建立了 VoxDIY 数据集。

    Jul, 2021

  • 利用支持性文本数据启动有限转录的自动语音识别系统开发

    本文研究发现，使用不同数量的文本数据进行训练和 fine-tune transformer model 可以降低自动语音识别（ASR）的 word error rate，其中 lexicon 对于改善 ASR 性能没有多大作用，而使用必要量的文本数据可以通过利用自然语言处理技术使自动语音识别接近人类的水平。

    Feb, 2023