有的放矢地对齐：用通用即插即用框架在 CTC 模型中优化期望属性

连接主义时序分类（CTC）是一种广泛使用的有监督序列到序列（seq2seq）模型训练准则。它通过对完美对齐（可得到真值）边缘化，以牺牲不完美对齐为代价，来学习输入与输出序列间称为对齐的关系。这种对完美与不完美对齐的二元区分，不足以刻画在其他现实应用中同样重要的其他本质对齐属性。本文提出 $\textit{Align With Purpose}$，一个用于在 CTC 准则训练的模型中增强期望属性的$\textbf{通用即插即用框架}$。我们通过为 CTC 补充一个根据期望属性对对齐进行优先排序的额外损失项来实现。我们的方法无需对 CTC 损失函数做任何改动，可轻松优化多种属性，并能在完美与不完美对齐间区分。我们在自动语音识别（ASR）领域应用该框架，并展示其在属性选择、架构选择和训练数据集规模（高达 280,000 小时）上的通用性。为证明框架有效性，我们将其应用于两个不相关的属性：发射时间与词错误率（WER）。前者在 WER 轻微下降的情况下报告了高达 570ms 的延迟优化提升；后者相对基线模型报告了 4.5% 的 WER 相对提升。据我们所知，这些应用此前从未在如我们这般大规模数据上得到验证。值得注意的是，我们的方法仅需几行代码即可实现，并可扩展至其他无对齐损失函数及 ASR 以外的领域。