面向基于前缀树的上下文 ASR 的音素感知编码
计算与语言
2023-12-18 v1 声音
音频与语音处理
摘要
在语音识别应用中，识别特定上下文的罕见词（如专有名词）非常重要。树约束指针生成器（TCPGen）在此方面展现了前景，它通过前缀树有效地偏置此类词。虽然原始 TCPGen 依赖于基于字素的编码，但我们提出用音素感知编码对其进行扩展，以更好地识别发音异常的词。由于 TCPGen 将偏置词作为子词单元处理，我们提出通过使用音素和子词之间的对齐来获取子词级别的音素感知编码。此外，我们提出将来自 CTC 的音素级预测注入 TCPGen 的查询中，以便模型更好地解释音素感知编码。我们使用 TCPGen 对 RNN 转换器进行了 ASR 实验。我们观察到，所提出的音素感知编码在英语 LibriSpeech 和日语 CSJ 数据集上均优于普通的基于字素的编码，证明了我们的方法在语言学上多样化的语言间的鲁棒性。
引用
@article{arxiv.2312.09582,
title = {Phoneme-aware Encoding for Prefix-tree-based Contextual ASR},
author = {Hayato Futami and Emiru Tsunoo and Yosuke Kashiwagi and Hiroaki Ogawa and Siddhant Arora and Shinji Watanabe},
journal= {arXiv preprint arXiv:2312.09582},
year = {2023}
}
备注
Accepted to ICASSP2024