端到端 ASR 模型是否已准备好工业应用？
音频与语音处理
2022-10-24 v2 人工智能
计算与语言
声音
摘要
随着全神经（端到端，E2E）方法的兴起，自动语音识别（ASR）社区正经历一个重大转折点。与此同时，传统的混合模型仍是 ASR 实际使用的标准选择。根据先前的研究，E2E ASR 在现实世界应用中的采用受到两个主要限制：其对未见领域的泛化能力以及其高运算成本。在本文中，我们通过对若干当代 E2E 模型和一个混合基线进行全面的多领域基准测试，来研究上述两个缺陷。我们的实验表明，E2E 模型是混合方法的可行替代方案，并且在准确率和运算效率上都优于基线。因此，我们的研究表明泛化和复杂度问题不再是工业集成的重大障碍，并将社区的注意力吸引到 E2E 方法在某些特定用例中的其他潜在限制上。
引用
@article{arxiv.2112.12572,
title = {Are E2E ASR models ready for an industrial usage?},
author = {Valentin Vielzeuf and Grigory Antipov},
journal= {arXiv preprint arXiv:2112.12572},
year = {2022}
}