基于 Transformer 与分块合并的自动语音识别快速准确大小写与标点恢复
计算与语言
2019-08-08 v1
摘要
近年来，自动语音识别（ASR）的研究已展现出在短语音片段上达到人类水平的出色结果。然而，在标准化 ASR 输出（如长语音转写的大小写恢复与标点恢复）方面仍存在困难。这些问题阻碍了读者从语义上理解 ASR 输出，也给命名实体识别（NER）、词性标注（POS）和语义解析等自然语言处理模型带来困难。本文提出一种针对长语音 ASR 转写恢复标点与大小写的方法。该方法基于 Transformer 模型与分块合并，使我们能够（1）构建单一模型一次性完成标点与大小写恢复，以及（2）在并行解码的同时提升预测准确率。在不列颠国家语料库（British National Corpus）上的实验表明，所提方法在准确率与解码速度上均优于现有方法。
引用
@article{arxiv.1908.02404,
title = {Fast and Accurate Capitalization and Punctuation for Automatic Speech Recognition Using Transformer and Chunk Merging},
author = {Binh Nguyen and Vu Bao Hung Nguyen and Hien Nguyen and Pham Ngoc Phuong and The-Loc Nguyen and Quoc Truong Do and Luong Chi Mai},
journal= {arXiv preprint arXiv:1908.02404},
year = {2019}
}
备注
4 pages, 6 figures