Finstreder：基于有限状态 transducer 与现代语音识别模型的高效口语理解方法
计算与语言
2022-06-30 v1 人机交互
声音
音频与语音处理
摘要
在口语理解（SLU）中，任务是从音频指令中提取重要信息，如用户希望系统执行的意图，以及地点或数字等特殊实体。本文提出一种将意图与实体嵌入有限状态 transducer 的简单方法，并结合预训练通用语音转文本模型，无需任何额外训练即可构建 SLU 模型。构建这些模型非常快，仅需几秒，且完全语言无关。通过在多个基准上的比较表明，该方法可以优于多种其他资源消耗更大的 SLU 方法。
引用
@article{arxiv.2206.14589,
title = {Finstreder: Simple and fast Spoken Language Understanding with Finite State Transducers using modern Speech-to-Text models},
author = {Daniel Bermuth and Alexander Poeppel and Wolfgang Reif},
journal= {arXiv preprint arXiv:2206.14589},
year = {2022}
}