H-PRM：一种可插拔的语音识别系统热词预检索模块
声音
2025-11-25 v1 人工智能
计算与语言
音频与语音处理
摘要
热词定制是语音识别中提高特定领域术语准确率的关键因素。其主要由传统模型和音频大语言模型（Audio LLM）的进步所驱动。然而，现有模型在大规模热词方面常常表现不佳，随着热词数量的增加，识别率会显著下降。本文引入一种新型热词定制系统，利用热词预检索模块（H-PRM）通过衡量热词与语音片段之间的声学相似性来识别最相关的热词候选。该模块式解决方案可轻松集成到传统模型中，如 SeACo-Paraformer，显著提升热词后召回率（PRR）。此外，我们通过基于提示的方法将 H-PRM 集成到音频 LLM 中，实现对热词的无缝定制。广泛的测试结果表明，H-PRM 优于现有方法，为语音识别中的热词定制提供了新的方向。
引用
@article{arxiv.2508.18295,
title = {H-PRM: A Pluggable Hotword Pre-Retrieval Module for Various Speech Recognition Systems},
author = {Huangyu Dai and Lingtao Mao and Ben Chen and Zihan Wang and Zihan Liang and Ying Han and Chenyi Lei and Han Li},
journal= {arXiv preprint arXiv:2508.18295},
year = {2025}
}