基于BART的普通话自动语音识别系统语义纠错
计算与语言
2021-12-21 v1 声音
音频与语音处理
摘要
尽管自动语音识别（ASR）系统近年来取得了显著改进，但仍会出现口语识别错误，而这些错误人类很容易发现。针对语义纠错等识别后任务，已开发出多种语言建模技术。本文提出一种基于Transformer、以预训练BART初始化的语义纠错方法。在10000小时普通话语音数据集上的实验表明，与基线ASR系统相比，字符错误率（CER）可相对有效降低21.7%。专家评估表明，我们模型的实际改进超出了CER所指示的幅度。
引用
@article{arxiv.2104.05507,
title = {BART based semantic correction for Mandarin automatic speech recognition system},
author = {Yun Zhao and Xuerui Yang and Jinchao Wang and Yongyu Gao and Chao Yan and Yuanfu Zhou},
journal= {arXiv preprint arXiv:2104.05507},
year = {2021}
}
备注
submitted to INTERSPEECH2021