TC-BiMamba：用于统一流式与非流式语音识别的 Trans-Chunk 双向 BiMamba
音频与语音处理
2026-03-03 v2
摘要
本工作探讨了双向 Mamba（BiMamba）用于统一的流式与非流式自动语音识别（ASR）。通过动态块大小训练，实现单个模型用于离线解码和具有各种延迟设置的流式解码。与现有基于 BiMamba 的流式方法仅限于固定块大小解码不同，应用动态块大小训练后，训练开销会显著增加。为解决此问题，我们提出了用于动态块大小训练的 Trans-Chunk BiMamba（TC-BiMamba）。Trans-Chunk 机制以离线方式对双向序列进行动态块大小训练。一方面，与传统块式处理相比，TC-BiMamba 同时实现了 1.3 倍的训练加速，减少 50% 的训练内存，并通过捕获双向上下文提高模型性能。另一方面，实验结果表明，TC-BiMamba 在更小模型规模下，优于 U2++并与 LC-BiMmaba 性能相当。
引用
@article{arxiv.2602.11546,
title = {TC-BiMamba: Trans-Chunk bidirectionally within BiMamba for unified streaming and non-streaming ASR},
author = {Qingshun She and Jing Peng and Yangui Fang and Yu Xi and Kai Yu},
journal= {arXiv preprint arXiv:2602.11546},
year = {2026}
}
备注
Critical experimental errors found in key results. Resubmitting after correction