日语语音识别的宽松评估：对自然出现的拼写不一致建模
计算与语言
2023-06-08 v1
摘要
词错误率（WER）和字符错误率（CER）是语音识别（ASR）的标准指标，但替代拼写一直是个问题：若系统转写为 adviser 而参考文本为 advisor，这会被计为错误，尽管两种拼写实际代表同一词。日语以“缺乏正字法”著称：大多数词可用多种方式拼写，这给准确的 ASR 评估带来困难。本文提出一种新的宽松评估指标，作为更合理的日语 ASR 的 CER 度量。我们利用词典资源、日语文本处理系统，以及从平假名或片假名重建汉字的神经机器翻译模型，构建参考转写文本的合理重拼写的格点。在人工评估中，评分者对 95.4% 的所提拼写变体评为合理。ASR 结果显示，我们的方法不因系统选用词的有效替代拼写而惩罚，依任务不同可实现 2.4%–3.1% 的 CER 绝对下降。
引用
@article{arxiv.2306.04530,
title = {Lenient Evaluation of Japanese Speech Recognition: Modeling Naturally Occurring Spelling Inconsistency},
author = {Shigeki Karita and Richard Sproat and Haruko Ishikawa},
journal= {arXiv preprint arXiv:2306.04530},
year = {2023}
}
备注
ACL Workshop on Computation and Written Language (CAWL) 2023