使用因果卷积循环神经网络的流式语音查询识别
计算与语言
2018-12-20 v1
摘要
支持语音的商用产品无处不在，通常由轻量级端侧关键词 spotting（KWS）与云端完整自动语音识别（ASR）实现。ASR 系统在训练和推理上都需要大量计算资源，更不用说海量的标注语音数据。另一方面，KWS 系统资源消耗较少但能力有限。在 Comcast Xfinity X1 娱乐平台上，我们探索了 ASR 与 KWS 之间的中间方案：我们引入了一种新颖、资源高效的用于语音查询识别的神经网络，其比最先进的 KWS 用 CNN 准确得多，却能用有限资源轻松训练与部署。在代表前 200 个语音查询的评估数据集上，我们实现了 1% 的低误报率与 6% 的查询错误率。我们的模型推理速度比当前 ASR 系统快 8.24 倍。
引用
@article{arxiv.1812.07754,
title = {Streaming Voice Query Recognition using Causal Convolutional Recurrent Neural Networks},
author = {Raphael Tang and Gefei Yang and Hong Wei and Yajie Mao and Ferhan Ture and Jimmy Lin},
journal= {arXiv preprint arXiv:1812.07754},
year = {2018}
}
备注
5 pages, 2 figures, submitted to ICASSP 2019