May, 2024

跨模态离散语音单元的 ASR 错误修正

PDF
TL;DRASR Error Correction (AEC) is investigated to tackle the Low-Resource Out-of-Domain (LROOD) problem, covering pre-training, fine-tuning, and incorporating discrete speech units to improve AEC quality. The proposed AEC approach demonstrates feasibility, efficacy, generalizability, superiority, and suitability for downstream applications.
asr error correctionlow-resource out-of-domain problemcrossmodal aecasr domain discrepancydiscrete speech units
发现论文，激发创造
  • MF-AED-AEC: 利用多模态融合、ASR 错误检测和 ASR 错误修正进行语音情感识别

    本文介绍了一种引入 ASR 错误检测和修正的辅助任务来增强 ASR 文本的语义连贯性，并进一步提出了一种新颖的多模态融合方法，名为 MF-AED-AEC。实验结果表明，MF-AED-AEC 在性能上显著优于基线模型 4.1%。

    Jan, 2024

  • 跨模态 ASR 后处理系统，用于纠错和话语拒绝

    本文提出了一种跨模态后处理系统，包括融合不同模态的声学特征和文本特征、联合置信度估计器和错误修正器以及统一的错误修正和话语拒绝模块等，证明相较于单模型或单任务模型，该系统更加有效率地减小语音识别中字符错误率 (CER)，且每个单词的额外延迟在可接受范围内。

    Jan, 2022

  • ed-cec：基于错误检测和上下文感知错误修正的提升罕见词识别的后处理方式

    通过错误检测和上下文感知的错误修正来改善对于罕见单词的识别，同时实现了具有较低词错误率的自动语音识别系统。

    Oct, 2023

  • RED-ACE: 使用置信度嵌入的 ASR 鲁棒性错误检测

    该研究提出了一种基于自动语音识别 (ASR) 系统的置信得分，改善 ASR 误差检测 (AED) 模型的性能，并证明了这种置信得分的补充作用以及 ASR Confidence Embedding 的有效性和鲁棒性，并发布了一个包含有标记的 LibriSpeech 语料库的 ASR 输出的新型 AED 数据集。

    Mar, 2022

  • 无监督领域自适应语音识别与无监督错误校正

    本文提出了一种无监督自适应错误校正方法，可以在未见过的领域中恢复由领域差异引起的语音识别错误，使用伪标记技术生成学习样本，在持续学习中以减少过度拟合，并使用编码器 - 解码器校正模型结合其他信息以进一步提高适应性，实验结果表明，该方法相对于未自适应的 ASR 系统显著降低了单词错误率，并可用于其他适应方法以带来额外的 10% 的性能提升。

    Sep, 2022

  • 使用流式端到端模型进行长篇语音识别

    通过多样化训练数据以及 LSTM 状态操作模拟长形音频，可以增强端到端语音识别模型对未知领域数据的泛化能力。

    Oct, 2019

  • 低资源语言对的端到端代码开关 ASR

    本文研究了一种面向代码交错语音的端到端语音识别技术，并利用神经网络语言模型和循环神经网络提高低资源情况下的识别性能。

    Sep, 2019

  • 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

  • 利用音频分类提高非洲裔美国人英语的语音识别

    使用少量的长形式非洲裔美国英语（AAE）数据，通过将分类器输出与地理信息相结合，优化洲外识别器，从而减少 AAE 与 MAE 之间的相对词错误率差异 38.5%，而不降低 MAE 的质量。

    Sep, 2023

  • AG-LSEC: 音频语境词汇发音错误修正

    通过使用现有的 SD 管道中直接从说话者得分中获取的信息，将 LSEC 系统与口音得分加强和基于口音的 LSEC 系统相结合，相对于基于音频的 SD、ASR 系统，在 RT03-CTS、美国英语 Callhome 和 Fisher 数据集上取得了 25-40% 的相对 WDER 降低，相对于 LSEC 系统，取得了 15-25% 的相对改善。

    Jun, 2024