利用束搜索置信度实现高能效语音识别
声音
2021-01-25 v1 计算与语言
音频与语音处理
摘要
随着计算机变得越来越强大并融入我们的日常生活，焦点正日益转向更人性化的接口，使得自动语音识别（ASR）作为与机器交互的理想手段而成为核心角色。因此，近年来对语音技术的兴趣不断增长，更多系统被提出，准确率水平不断提高，甚至超越了\textit{人类准确率}。尽管 ASR 系统愈发强大，计算复杂度也随之增加，硬件支持必须跟上步伐。在本文中，我们提出一种提升 ASR 系统能效与性能的技术，聚焦于面向边缘设备的低功耗硬件。我们着重优化基于 DNN 的声学模型评估，因为我们发现其是当今最先进 ASR 系统中的主要瓶颈，方法是利用来自束搜索（Beam Search）的运行时信息。由此，我们将声学模型评估的能耗和执行时间分别降低了 25.6% 和 25.9%，且精度损失可忽略不计。
引用
@article{arxiv.2101.09083,
title = {Exploiting Beam Search Confidence for Energy-Efficient Speech Recognition},
author = {Dennis Pinto and Jose-María Arnau and Antonio González},
journal= {arXiv preprint arXiv:2101.09083},
year = {2021}
}