重新评估基于最小贝叶斯风险解码的自动语音识别
计算与语言
2026-05-14 v2 机器学习
音频与语音处理
摘要
最近的研究表明，基于样本的最小贝叶斯风险 (MBR) 解码在机器翻译、文本摘要和图像描述生成等文本到文本任务中超越了束搜索。在语音到文本任务中，如自动语音识别 (ASR) 和语音翻译 (ST)，束搜索仍是当前实践。鉴于 MBR 解码在文本到文本任务中有效，合理推断它也同样适用于语音到文本任务。本文评估了在英语和日语上使用 Whisper 及其衍生模型进行 ASR 和 ST 任务的 MBR 解码。我们观察到，在我们评估的大多数实验设置下，MBR 解码的准确率超过了束搜索。结果表明，MBR 解码是一种适用于需要高准确率的离线 ASR 和 ST 任务的有前景的方法。代码已公开于 https://github.com/CyberAgentAILab/mbr-for-asr
引用
@article{arxiv.2510.19471,
title = {Re-evaluating Minimum Bayes Risk Decoding for Automatic Speech Recognition},
author = {Yuu Jinnai},
journal= {arXiv preprint arXiv:2510.19471},
year = {2026}
}