用于语音识别的两遍端点检测
音频与语音处理
2024-01-26 v1 声音
摘要
端点（EP）检测是远场语音识别系统的关键组成部分，该系统通过语音命令辅助用户。端点检测器必须在准确性和延迟之间进行权衡，因为等待更长时间会减少用户被过早切断的情况。我们提出了一种新颖的两遍端点检测解决方案，其中由第一遍端点检测器检测到的话语端点，由一个称为 EP 仲裁器的第二遍模型进行验证。在包括语音助手事务性查询、会话语音和公开 SLURP 语料库在内的数据集上进行测试，我们的方法改善了相对于基线端点检测器在过早切断和延迟之间的权衡。我们证明，无论使用何种第一遍 EP 模型，我们的方法都显示出改进。
引用
@article{arxiv.2401.08916,
title = {Two-pass Endpoint Detection for Speech Recognition},
author = {Anirudh Raju and Aparna Khare and Di He and Ilya Sklyar and Long Chen and Sam Alptekin and Viet Anh Trinh and Zhe Zhang and Colin Vaz and Venkatesh Ravichandran and Roland Maas and Ariya Rastrow},
journal= {arXiv preprint arXiv:2401.08916},
year = {2024}
}
备注
ASRU 2023