面向更好评估现代语音识别系统的文本-文本对齐算法
计算机视觉与模式识别
2025-09-30 v1
摘要
现代神经网络显著提升了语音识别基准测试的性能。然而，这些提升往往是由频繁出现的词所驱动的，这些词对语义权重有限，可能掩盖了基于词错误率（WER）这一主要评估指标的有意义差异。稀有词、专有名词和特定领域词汇的错误更为重要，但被整体指标所隐藏。这凸显了对更精细误差分析的需求，这取决于参考文本与模型转录文本之间的准确对齐。然而，传统的对齐方法并非为此精度而设计。我们提出一种新颖的对齐算法，将动态编程与束搜索评分相结合。与传统文本对齐方法相比，我们的方法为单个错误的更准确对齐提供了可靠的误差分析。该算法已通过PyPI提供。
引用
@article{arxiv.2509.24477,
title = {Performance-Efficiency Trade-off for Fashion Image Retrieval},
author = {Julio Hurtado and Haoran Ni and Duygu Sap and Connor Mattinson and Martin Lotz},
journal= {arXiv preprint arXiv:2509.24477},
year = {2025}
}