贝叶斯风险转导器：具有可控对齐预测的转导器
计算与语言
2023-08-22 v1
摘要
基于转导器（transducer）的自动语音识别（ASR）被广泛使用。在训练中，转导器最大化所有路径的后验概率之和。后验概率最高的路径通常被定义为语音与转录文本之间的预测对齐。虽然原始转导器对任何有效路径都没有先验偏好，本工作旨在强制偏好路径并实现可控的对齐预测。具体而言，本工作提出贝叶斯风险转导器（BRT），其使用贝叶斯风险函数为偏好路径设置较低的风险值，从而使预测对齐更可能满足特定的期望性质。我们进一步证明，这些具有刻意设计性质的预测对齐相比原始转导器具有实际优势。实验上，所提出的BRT在非流式ASR中最多节省46%的推理成本，在流式ASR中降低41%的整体系统延迟。
引用
@article{arxiv.2308.10107,
title = {Bayes Risk Transducer: Transducer with Controllable Alignment Prediction},
author = {Jinchuan Tian and Jianwei Yu and Hangting Chen and Brian Yan and Chao Weng and Dong Yu and Shinji Watanabe},
journal= {arXiv preprint arXiv:2308.10107},
year = {2023}
}