用专用模型重新审视ASR错误纠正
Revisiting ASR Error Correction with Specialized Models
摘要
本文重新审视了使用紧凑型seq2seq模型进行ASR纠错的方法，这些模型基于真实和合成音频中的ASR错误进行训练。为扩展训练规模，通过级联TTS和ASR构建合成语料库，发现匹配真实错误分布的多样性是关键。提出了纠错优先解码（correction-first decoding），以降低延迟并减少幻觉问题。
语言模型在自动语音识别（ASR）中扮演核心角色，但大多数方法依赖仅基于文本的模型，这些模型不了解ASR的错误模式。近期，大语言模型（LLM）被应用于ASR纠错，但引入了延迟和幻觉问题。我们重新审视了使用紧凑型seq2seq模型进行ASR纠错的方法，这些模型基于真实和合成音频中的ASR错误进行训练。为了扩展训练规模，我们通过级联TTS和ASR构建了合成语料库，发现匹配真实错误分布的多样性是关键。我们提出了纠错优先解码（correction-first decoding），其中纠错…
译自 Apple · ML Research · 录于 二〇二六年七月七日