来自未来：语音识别中使用未来信息的双向 CTC 解码
计算与语言
2021-10-08 v1 声音
音频与语音处理
摘要
本文中，我们提出一种简单而有效的方法，利用双向神经语言模型对连接时序分类（CTC）模型的输出进行解码。该双向语言模型使用未来以及过去的信息来预测序列中的下一个输出。所提出的基于双向束搜索的方法利用 CTC 贪婪解码输出来表示含噪的未来信息。在 Librispeech 数据集上的实验证明了我们提出的方法相对于使用单向解码的基线的优越性。特别地，准确率的提升在序列起始处最为明显，而该处正是基于单向解码的现有系统错误最多的部分。
引用
@article{arxiv.2110.03326,
title = {Back from the future: bidirectional CTC decoding using future information in speech recognition},
author = {Namkyu Jung and Geonmin Kim and Han-Gyu Kim},
journal= {arXiv preprint arXiv:2110.03326},
year = {2021}
}
备注
submitted to ICASSP 2022