streaming automatic speech recognition | BriefGPT

关键词streaming automatic speech recognition

搜索结果 - 9

多阶段 ASR 的部分重写
提出一种文本处理算法，用于改善流式自动语音识别的结果质量，同时保持最终结果不变，并减轻闪烁问题。
PDF7 months ago
从非流式 ASR 编码器到流式 ASR 编码器的知识蒸馏，使用辅助非流式层
为了提高流式自动语音识别的性能，本文提出了一种从非流式模型到流式模型的逐层知识蒸馏方法，并通过自动回归预测编码机制鼓励流式模型预测未见的未来语境，实验证明该方法能显著降低错误率。
PDF10 months ago
Radio2Text: 使用 mmWave 无线电信号的流式语音识别
本文提出了 Radio2Text，这是第一个基于毫米波的流式自动语音识别系统，具有超过 13,000 个词汇大小的识别能力。Radio2Text 基于定制的流式 Transformer，有效地学习了与语音相关的特征表示，为具有大词汇量的流式
PDFa year ago
语音助手中个性化预测 ASR 以降低延迟
本文介绍了基于预测的自动语音识别方法，通过预测语音输入的完整句子，实现了向下游系统的提前预取缓存，从而减少响应时间延迟。研究团队探讨了两种个性化方案，同时评估了在公开数据集和内部语音助手数据集下的性能。
PDFa year ago
低延迟流式 ASR 的延迟惩罚转录器
提出一种惩罚转导模型符号延迟的简单方法，来平衡无外部对齐的在线模型特征提取和识别精度之间的权衡，该方法对流式 Conformer 模型和单向 LSTM 模型都可以有效降低符号延迟并且保持可以接受的性能下降。
PDF2 years ago
VarArray meets t-SOT: 推进流式远场对话语音识别技术的最新进展
该论文提出了一种新的流式机器人语音识别框架，用于捕获具有任意几何结构的远程麦克风阵列捕获的多个讲话者的重叠语音，并提出了一种基于 VarArray 和 t-SOT 的新型 t-SOT-VA 框架，其结合了连续语音分离和多讲话者语音识别技术。
PDF2 years ago
使用 EMFORMER 的 CTC 流式自动语音识别的动态延迟
本文提出一种帧级模型，采用高效增强记忆变压器块和动态延迟训练方法来提高流媒体自动语音识别的性能和降低计算复杂性，通过缓存机制并重复使用结合增强记忆库作为有限历史上下文的补充，以达到更好的性能。实验表明，该模型在 LibriSpeech 数据
PDF2 years ago
FastEmit: 序列级发射正则化的低延迟流式自动语音识别
本研究提出一种名为 FastEmit 的序列级发射规则方法，该方法可在训练转导模型时直接对序列级概率进行延迟规则化，从而在不需要任何对齐的情况下更适合流式 ASR 的序列级优化，有效降低音频识别的延迟并提升精度。
PDF4 years ago
ICLR双模 ASR: 统一与改进全上下文流式 ASR 模型
该研究提出了一种统一框架的双模 ASR（自动语音识别），通过权重共享和全场景 ASR 的联合训练，特别是在训练期间进行知识蒸馏，使流式 ASR 的延迟和准确性得到明显改善。该框架适用于最新的卷积和变压器 ASR 网络，并在 LibriSpe
PDF4 years ago