CAT：基于 CRF 的语音识别工具包

在本文中，我们提出了一个用于自动语音识别（ASR）的新的开源工具包，名为 CAT（基于 CRF 的 ASR 工具包，CRF-based ASR Toolkit）。CAT 的一个关键特征是在条件随机场（CRF）框架下的判别训练，特别是受连接时序分类（CTC）启发的状态拓扑。CAT 包含了 CTC-CRF 的完整实现，并提供了基于 CRF 的端到端语音识别的完整工作流。在 Switchboard 和 Aishell 等中英文基准上的评估结果表明，CAT 在参数更少的情况下取得了现有端到端模型中的最优结果，并且与混合 DNN-HMM 模型相比具有竞争力。在灵活性方面，我们展示了基于 i-vector 的说话人自适应识别和延迟控制机制可以在 CAT 中轻松且有效地进行探索。我们希望 CAT，尤其是基于 CRF 的框架和软件，能引起社区的广泛兴趣，并能被进一步探索和改进。