用于语音识别中高效唤醒词 spotting 的双注意力神经转导器
声音
2023-04-06 v2 计算与语言
机器学习
音频与语音处理
摘要
我们提出双注意力神经偏置，一种旨在提升唤醒词（WW）识别并改善语音识别任务推理时延的架构。该架构通过利用 WW spotting 来选择其注意力网络分支以执行输入音频帧，从而为其运行时计算路径实现动态切换。借助此方法，我们有效改善了 WW spotting 准确率，同时按浮点运算（FLOPs）定义的运行时计算成本得以节省。使用内部去标识数据集，我们证明所提出的双注意力网络可将 WW 音频帧的计算成本降低 ，参数数量仅增加 。该架构相较于基线将 WW F1 分数相对提升 ，并将通用罕见词错误率相对改善 。
引用
@article{arxiv.2304.01905,
title = {Dual-Attention Neural Transducers for Efficient Wake Word Spotting in Speech Recognition},
author = {Saumya Y. Sahai and Jing Liu and Thejaswi Muniyappa and Kanthashree M. Sathyendra and Anastasios Alexandridis and Grant P. Strimel and Ross McGowan and Ariya Rastrow and Feng-Ju Chang and Athanasios Mouchtaris and Siegfried Kunzmann},
journal= {arXiv preprint arXiv:2304.01905},
year = {2023}
}
备注
Accepted to Proc. IEEE ICASSP 2023