基于合成数据和语义纠正的高精度医学语音识别：UNITED-MEDASR
音频与语音处理
2024-12-03 v1 计算与语言
声音
摘要
临床领域的自动语音识别（ASR）系统面临着需准确识别专业医学词汇且满足严格精度要求等挑战。我们引入United-MedASR，这是一种新型架构，通过集成合成数据生成、精确ASR微调和先进的语义增强技术来解决这些挑战。United-MedASR通过合成来自ICD-10（国际疾病分类第10版）、MIMS（医学专科月索引）以及FDA数据库等权威来源的数据，构建专用的医学词汇表。该丰富的词汇表帮助微调Whisper ASR模型以更好地满足临床需求。为提高处理速度，我们采用Faster Whisper，确保流畅且高速的ASR性能。此外，我们采用基于BART的定制语义增强器来处理复杂的医学术语，从而有效提高准确率。我们的分层方法在ASR性能方面树立了新的基准， 在 LibriSpeech test-clean 上实现0.985%的词错误率（WER），在Europarl-ASR EN Guest-test 上实现0.26%的WER， 并在Tedlium（0.29% WER）和FLEURS（0.336% WER）上表现出稳健的性能。Furthermore, 我们提出一种可复制的可适应架构，可跨越不同领域，成为面向特定领域ASR系统的通用解决方案。
引用
@article{arxiv.2412.00055,
title = {High-precision medical speech recognition through synthetic data and semantic correction: UNITED-MEDASR},
author = {Sourav Banerjee and Ayushi Agarwal and Promila Ghosh},
journal= {arXiv preprint arXiv:2412.00055},
year = {2024}
}
备注
15 pages