利用置信度度量与提示将大语言模型与ASR系统对接
音频与语音处理
2024-09-25 v1 计算与语言
摘要
随着大语言模型（LLMs）在参数规模和能力方面的增长，例如通过提示进行交互，它们为自动语音识别（ASR）系统的对接开辟了新途径，超越了传统的n-best列表重打分方法。本研究探讨了利用LLM对ASR转录文本进行事后纠正。为了避免对可能准确的转录文本引入错误，我们提出了一系列基于置信度的过滤方法。我们的结果表明，这可以提升竞争力较弱的ASR系统的性能。
引用
@article{arxiv.2407.21414,
title = {Towards interfacing large language models with ASR systems using confidence measures and prompting},
author = {Maryam Naderi and Enno Hermann and Alexandre Nanchen and Sevada Hovsepyan and Mathew Magimai. -Doss},
journal= {arXiv preprint arXiv:2407.21414},
year = {2024}
}
备注
5 pages, 3 figures, 5 tables. Accepted to Interspeech 2024