利用日期时间与位置感知提升 RNN-T 语音识别性能
音频与语音处理
2021-06-17 v2 计算与语言
摘要
在本文中，我们探讨了将上下文信息融入基于循环神经网络换能器（RNN-T）的自动语音识别（ASR）模型，以改善虚拟助手的语音识别能力。具体而言，我们利用从说话时刻提取的时间元信息以及近似位置信息，使 ASR 具备上下文感知能力。我们表明，这些上下文信息在单独使用时，相对于基线整体性能提升高达 3.48%；而当上下文组合使用时，模型学习到互补特征，识别率提升 4.62%。在特定领域上，这些上下文信号带来的改进高达 11.5%，且在其他领域无显著退化。我们使用在 30K 小时和 10K 小时规模数据上训练的模型进行实验。我们表明，10K 小时数据集上的提升幅度远大于 30K 小时数据集所得。我们的结果表明，在训练 ASR 模型的数据有限时，上下文信号可显著提升性能。
引用
@article{arxiv.2106.06183,
title = {Improving RNN-T ASR Performance with Date-Time and Location Awareness},
author = {Swayambhu Nath Ray and Soumyajit Mitra and Raghavendra Bilgi and Sri Garimella},
journal= {arXiv preprint arXiv:2106.06183},
year = {2021}
}
备注
To appear in TSD 2021