用替代拼写预测模型改进罕见词的上下文识别
计算与语言
2022-09-07 v1 声音
音频与语音处理
摘要
上下文 ASR 在输入音频的同时接收偏置词列表，随着 ASR 应用日益广泛而受到近期关注。我们发布配合 Earnings21 数据集的上下文偏置列表，为此任务建立公开基准。我们使用 WeNet 工具包的预训练端到端 ASR 模型在该基准上给出基线结果，并展示将浅融合上下文偏置应用于两种不同解码算法的结果。我们的基线结果印证了端到端模型尤其难以处理训练期间极少或从未出现的词，且现有浅融合技术未能充分解决该问题。我们提出一种替代拼写预测模型，相比无替代拼写的上下文偏置，将罕见词召回率相对提升 34.7%，集外词召回率相对提升 97.2%。该模型在概念上与已有工作类似，但实现更简单，因其不依赖发音词典或现有文本转语音系统。
引用
@article{arxiv.2209.01250,
title = {Improving Contextual Recognition of Rare Words with an Alternate Spelling Prediction Model},
author = {Jennifer Drexler Fox and Natalie Delworth},
journal= {arXiv preprint arXiv:2209.01250},
year = {2022}
}