RAG-Boost：基于检索增强生成的 LLM 语音识别
音频与语音处理
2025-08-21 v1 计算与语言
摘要
本文提出了 RAG-Boost（ST-ShinozakiLab 任务 I 系统），通过在线集成检索增强生成（RAG）模块，增强了 MLC-SLM 挑战赛（任务 I）的基线 LLM 语音识别系统。每个部分语音识别假设会查询包含音频-文本对和领域术语的向量存储库，检索到的结果与实时语音识别假设融合，以纠正识别错误。融合后的假设被传递给 LLM，从而获得更好的响应。
引用
@article{arxiv.2508.14048,
title = {RAG-Boost: Retrieval-Augmented Generation Enhanced LLM-based Speech Recognition},
author = {Pengcheng Wang and Sheng Li and Takahiro Shinozaki},
journal= {arXiv preprint arXiv:2508.14048},
year = {2025}
}
备注
accepted at Interspeech2025 MLC-SLM Challenge workshop (task I system description)