RASR2：用于通用序列到序列语音识别的 RWTH ASR 工具包
计算与语言
2023-10-19 v1 声音
音频与语音处理
摘要
现代公开 ASR 工具通常为训练各种序列到序列（S2S）模型提供丰富支持，但仅为开放词表场景的解码提供相当简单的支持。对于封闭词表场景，支持词法约束解码的公开工具通常仅面向经典 ASR，或不支持所有 S2S 模型。为消除诸如建模单元选择等研究可能性的这一限制，我们在本工作中提出 RASR2，一个以研究为导向、用 C++ 实现的通用 S2S 解码器。它为各种 S2S 模型、语言模型、标注单元/拓扑以及神经网络架构提供了很强的灵活性/兼容性。基于一个广义搜索框架，它针对开放与封闭词表场景均提供高效解码，并丰富支持不同搜索模式与设置。我们在 switchboard 和 Librispeech 语料库上通过广泛实验对 RASR2 进行了评估。我们的源代码已在线公开。
引用
@article{arxiv.2305.17782,
title = {RASR2: The RWTH ASR Toolkit for Generic Sequence-to-sequence Speech Recognition},
author = {Wei Zhou and Eugen Beck and Simon Berger and Ralf Schlüter and Hermann Ney},
journal= {arXiv preprint arXiv:2305.17782},
year = {2023}
}
备注
accepted at Interspeech 2023