流式标点：一种利用双向上下文的连续语音识别新型标点技术
计算与语言
2023-01-11 v1
摘要
尽管英语语音识别的词错误率（WER）已达人类水平，但语音输入与会议转录等连续语音识别场景仍受限于由不规则停顿模式或说话缓慢导致的分割与标点问题。Transformer 序列标注模型能有效捕捉长双向上下文，这对自动标点至关重要。然而，自动语音识别（ASR）生产系统受实时性要求约束，难以在标点决策时纳入右侧上下文。ASR 解码器所产片段内的上下文虽有助益，但对连续语音会话整体标点性能有限。本文提出一种利用动态解码窗口对 ASR 输出进行流式标点或重标点的方案，并衡量其在各场景下对标点与分割精度的影响。新系统解决了过度分割问题，将分割 F0.5 分数提升 13.9%。流式标点使下游机器翻译（MT）任务的平均 BLEU 分数提升 0.66。
引用
@article{arxiv.2301.03819,
title = {Streaming Punctuation: A Novel Punctuation Technique Leveraging Bidirectional Context for Continuous Speech Recognition},
author = {Piyush Behre and Sharman Tan and Padma Varadharajan and Shuangyu Chang},
journal= {arXiv preprint arXiv:2301.03819},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2210.05756