使用编码器提示实现多语言端到端语音识别的快速语言适应

端到端多语言语音识别模型通过单一模型处理多种语言，通常包含语言识别以自动检测输入语音的语言。鉴于常见情形是语言已知，这些模型可通过使用语言信息作为提示来执行特定语言任务，这对基于注意力的编码器-解码器架构尤其有益。然而，Connectionist Temporal Classification (CTC) 方法通过联合解码和多任务训练来增强识别，通常不包含语言提示 due to its conditionally independent output tokens。为克服这一限制，我们在自条件 CTC 框架中引入编码器提示技术，实现了零样本语言特定适应。我们的方法在平均错误率下降低 28%，对低资源语言下降低 41%。