通过重写非自回归 ASR 词格进行拼写校正

Leonid Velikovich; Christopher Li; Diamantino Caseiro; Shankar Kumar; Pat Rondon; Kandarp Joshi; Xavier Velez

通过重写非自回归 ASR 词格进行拼写校正

计算与语言 2024-09-26 v1 声音音频与语音处理

作者: Leonid Velikovich , Christopher Li , Diamantino Caseiro , Shankar Kumar , Pat Rondon , Kandarp Joshi , Xavier Velez

摘要

对于端到端自动语音识别 (ASR) 模型，识别个人或罕见短语可能很困难。提高准确性的一种有前途的方法是对 ASR 词格进行拼写校正（或重写），其中潜在被误识别的短语被替换为声学相似且上下文相关的备选项。然而，对于使用连接时序分类 (CTC) 训练的 ASR 模型，由于非自回归、上下文无关的束搜索产生有噪声的假设，重写具有挑战性。我们提出了一种有限状态转换器 (FST) 技术，用于重写由基于 Transformer 的 CTC 模型生成的词片词格。我们的算法直接从词片执行字素到音素 (G2P) 转换为音素，避免了显式的词表示，并利用了 CTC 词格的丰富性。我们的方法不需要对 ASR 模型进行重新训练或修改。在包含上下文相关实体的测试集上，我们实现了高达 15.2% 的句子错误率 (SER) 相对降低。

关键词

拼写校正 ASR 词格重写非自回归 ASR 连接时序分类有限状态转换器

引用

@article{arxiv.2409.16469,
  title  = {Spelling Correction through Rewriting of Non-Autoregressive ASR Lattices},
  author = {Leonid Velikovich and Christopher Li and Diamantino Caseiro and Shankar Kumar and Pat Rondon and Kandarp Joshi and Xavier Velez},
  journal= {arXiv preprint arXiv:2409.16469},
  year   = {2024}
}

备注

8 pages, 7 figures

通过重写非自回归 ASR 词格进行拼写校正

摘要

关键词

引用

备注

相关论文