TARQ：面向罕见词鲁棒自动语音识别的尾部感知重建量化
计算与语言
2026-05-28 v1 多媒体
摘要
数据感知的训练后量化（PTQ）在小型校准语料库上最小化逐词元（per-token）重建损失，隐式地根据经验频率对位置进行加权。对于自动语音识别（ASR），这与对尾部敏感的风险不一致：姓名、数字和领域特定词获得的校准质量比例过小。我们提出了尾部感知重建量化（TARQ），一个无标签的PTQ框架，通过\rareBAL（一个封闭形式的逐线性层规则，用于均衡常见/尾部质量）将校准转向词汇尾部，并配以度量一致的残差校正。TARQ不需要实体标签、不需要精心设计的校准集、不需要验证解码，也不需要额外训练。在八个ASR骨干网络和六个数据集上，在W4G128设置下，TARQ在不引起聚合词错误率（aggregate-WER）回归的情况下改善了平均罕见词错误率（rare-WER），在比较方法中实现了最低的跨语料库rare-WER波动，并且无需实体监督即可迁移到富含实体的基准（ProfASR, ContextASR-Speech-En）。
引用
@article{arxiv.2605.27808,
title = {TARQ: Tail-Aware Reconstruction Quantization for Rare-Word Robust Automatic Speech Recognition},
author = {Xinyu Wang and Ziyu Zhao and Ke Bai and Silin Meng and Dongming Shen and Xiao-Wen Chang and Yixuan HE},
journal= {arXiv preprint arXiv:2605.27808},
year = {2026}
}