目标词活动检测器：一种无需词典获取 ASR 词边界的方法
计算与语言
2024-09-24 v1 声音
音频与语音处理
摘要
由于在训练过程中缺乏显式的时间对齐，从端到端（E2E）ASR 模型中获取词时间戳信息仍然具有挑战性。这一问题在多语言模型中更为复杂。现有方法要么依赖词典，要么引入额外的标记，从而导致可扩展性问题和计算成本增加。在这项工作中，我们提出了一种不依赖词典来估计词边界的新方法。我们的方法利用来自子词单元的词嵌入和预训练的 ASR 模型，在训练期间仅需词对齐信息。我们提出的方法可扩展至任意数量的语言，且不会产生任何额外成本。我们使用在五种语言上训练的多语言 ASR 模型验证了我们的方法，并展示了其相对于强基线的有效性。
引用
@article{arxiv.2409.13913,
title = {Target word activity detector: An approach to obtain ASR word boundaries without lexicon},
author = {Sunit Sivasankaran and Eric Sun and Jinyu Li and Yan Huang and Jing Pan},
journal= {arXiv preprint arXiv:2409.13913},
year = {2024}
}
备注
Submitted to ICASSP 2025