end-to-end automatic speech recognition | BriefGPT

关键词end-to-end automatic speech recognition

搜索结果 - 22

4D ASR: 联合波束搜索综合 CTC、注意力、转导和掩码预测解码器
我们提出了一种联合建模方案，通过多任务学习和三种新的单通道波束搜索算法，我们训练出的 4D 模型在端到端自动语音识别上取得了更好的性能，并超过了使用单个解码器的模型。
PDFa month ago
MM多解码器与知识蒸馏的流式与非流式自动语音识别的联合优化
本文通过使用多解码器和知识蒸馏来实现流式和非流式自动语音识别（ASR）的联合优化，主要研究了 ASR 模块的编码器整合、分离解码器以实现灵活切换模式，以及通过两个模块化编码器和解码器之间的相似性保持知识蒸馏来提高性能。评估结果显示，在单一模
PDFa month ago
上下文化动态词汇的自动语音识别
通过使用动态词汇表中的短语级别偏置令牌，提出的方法改善了英语和日语数据集上偏置短语在端到端自动语音识别中的性能。
PDFa month ago
DANCER: 实体描述增强的命名实体校正工具用于自动语音识别
提出了一种新颖的描述增强的命名实体纠正模型 DANCER，通过引入实体描述，提供额外信息帮助减轻语音识别中的音标混淆问题，对命名实体的字符错误率 (CER) 进行了有效减少。
PDF3 months ago
极端编码器输出帧率降低：改善大规模端到端模型的计算延迟
通过在编码器中应用多个帧压缩层，我们能够以较低的计算复杂度实现在每 2.56 秒的输入语音中生成一个编码器输出帧，而又不显著影响大规模语音搜索任务的词错误率，并相比于强大但计算代价高昂的基准模型，降低编码器和解码器延迟分别达到了 48% 和
PDF4 months ago
基于注意力偏置短语增强的情境化自动语音识别
该论文提出了一种基于注意力的上下文偏置方法，利用可编辑的短语列表（称为偏置列表）来实现用户或开发人员的定制化，该方法通过组合偏置短语索引损失和特殊标记来有效地训练，以检测输入语音数据中的偏置短语。此外，为了进一步提高推理过程中的上下文化性能
PDF5 months ago
TeLeS: 用于估计端到端自动语音识别的时间词汇相似度得分的方法
使用 Temporal-Lexeme Similarity 方法训练 Ancillary Confidence Estimation Model 并应用于 End-to-End Automatic Speech Recognition，取得
PDF6 months ago
FL4ASR 中优化器引起的平滑性的重要性：解密端到端 ASR 的联邦学习
本文使用联邦学习训练端到端自动语音识别模型，并研究了减小联邦学习与集中学习之间的词错误率差距的基本考虑因素，包括自适应优化器、改变连接主义时间分类权重的损失特性、模型初始化、模型的设置以及针对异构数据分布的联邦学习特定超参数。我们阐明了一些
PDF9 months ago
利用调教的大型语言模型的零射击能力进行端到端语音识别
我们提出了一种将指导训练的大型语言模型 (LLM) 与端到端自动语音识别 (ASR) 相结合的新方法。该方法利用 LLMs 的零 - shot 能力来提取语言信息，从而改善 ASR 性能，其中包括纠正 ASR 假设中的语法错误，并利用嵌入的
PDF9 months ago
CB-Whisper: 基于文本到语音关键词检测的上下文偏置 Whisper
Contextual Biasing Whisper (CB-Whisper) 是基于 OpenAI 的 Whisper 模型的一种新型自动语音识别（ASR）系统，在解码器之前进行关键词检测（KWS）。实验表明，通过将预测的实体结合到精心设
PDF10 months ago
具有可控风格的上下文感知语音识别的 PromptASR
使用提示将上下文信息以控制风格的方式整合到端到端自动语音识别系统中，从而提高识别准确性和降低词错误率。
PDF10 months ago
从大型语言模型到端到端自动语音识别系统的多重表示迁移
通过多重表示的大型语言模型的转移，我们研究了一种将语言学知识整合到端到端自动语音识别系统中的有效技术，证明了这种方法是传输单一表示的有效替代方案。
PDF10 months ago
基于实体感知模型和音素相似度评估的升降同音词定制语音识别（ASR）系统
本文提出了一种基于实体感知的端到端自动语音识别模型和音素相似度估计的重新训练自由式定制方法，用于解决处理同音字的特定问题，实验结果表明，相对于传统的 E2E-ASR 模型，该方法在处理个人姓名作为目标实体时，平均改善了目标实体字符误差率 3
PDFa year ago
神经传输器中的鲁棒声学语义上下文偏置在语音识别中的应用
研究提出一种轻量级字符表示的方法来编码精细的发音特征，以提高基于声学相似性的情境偏倚，在与音频和情境实体相关的语义上执行情境偏倚，并集成预训练的神经语言模型（NLM）。在 Librispeech 数据集上进行的实验表明，在不同的情境偏见列表
PDFa year ago
超越通用 Transformer: 在 Transformer 中使用适配器进行块重复以进行自动语音识别
本文提出了一种基于块重复策略和适配器模块的解决方案 (BRST 和 ADM)，旨在适应资源限制的小型自动语音识别（ASR）系统，并在公共语料库实验中取得了较好的识别结果。
PDFa year ago
4D ASR: CTC、Attention、Transducer 和 Mask-Predict 解码器的联合建模
本论文提出了四解码器联合建模 (4D) 的 CTC，关注机制，RNN-T 和掩码预测，旨在通过联合建模提高模型稳健性，在应用场景下轻松切换四个解码器，并通过一次解码方法进一步提高性能。
PDF2 years ago
BECTRA：基于转换器的 BERT 增强编码器端到端自动语音识别
BECTRA 是一种新型端到端自动语音识别模型，通过使用 BERT 增强编码器并采用目标任务适用的词汇来解决预训练语言模型的词汇匹配问题，实现了 BERT 嵌入式的自动语音识别，并在多种 ASR 任务上展现出更优秀的性能。
PDF2 years ago
使用词级 N-Gram 语言模型改进普通话端到端语音识别
本研究提出了一种新型的解码算法，可以结合外部语言模型，构建单词级别的 lattice，用于提高语音识别的表现，并在 Aishell-1 和 Aishell-2 的数据集上取得了最优结果。
PDF2 years ago
针对端到端语音识别和理解优化语音和语言潜空间的对齐
本文提出引用对齐器和模态切换训练来更好地对齐语音和文本潜在空间，实验结果在 Librispeech ASR 任务和 SNIPS 槽填充任务上都表现出了显著的性能提升。
PDF3 years ago
SynthASR: 用于语音识别的合成数据解锁
本文提出了一个多阶段训练策略，包括数据增强，编码器冻结和参数正则化，并利用人工合成音频提高医疗用途语音识别（ASR）的识别性能，降低了生产数据的成本和依赖性。
PDF3 years ago