ASR语音识别纠错-fast correct

原创 2024-03-26 10:54:18 4.5k 阅读 AI写同款

收录于

当前文章被以下社区和专栏收录：

码龄15年墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4.5k累计阅读 4.5k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 →

171粉丝·207篇原创

关注

语音识别结果文本纠错综述 语音识别结果的纠错是语音理解过程中的一项重要工作。由于受限于语音识别的准确性，语音识别的结果常常会出现错误，这将对语音理解的后续工作造成障碍，增加了语音理解的难度。语音识别结果的纠错可以对一些识别的错误结果进行纠正，从而提高语音理解的准确性。目前，用于语音识别结果纠正的方法有很多，但还没有一个主流的方法。大多数的ASR后修正的研究都是基于词的识别结果概率信息的统计方法。 Ringger和Al 阅读详情

AI摘要

本文介绍了ASR语音识别中fastcorrect模型的使用方法，强调了其在识别准确性和召回率方面的优点，重点讨论了模型在错误分类如多字、少字和形似字问题上的表现，以及模型的性能要求和数据预处理流程。

1、使用方式说明

ASR对应的文本越长，识别准确率和召回率越高

识别的错误分类：

编号	错误类型	示例
1	谐音字词	配副眼睛-配副眼镜
2	混淆音字词	流浪织女-牛郎织女
3	多字错误	关关机-关机
4	少字错误	爱有天意-假如爱有天意
5	形似字错误	高梁-高粱
6	中文拼音全拼

最低0.47元/天解锁文章

标签

#语音识别 #人工智能 #ASR识别纠错

FastCorrect 2: Fast Error Correction on Multiple Candidates for Automatic Speech Recognition 阅读详情

相关推荐

Qwen3-ASR：52语种开源语音识别与强制对齐实战解析

语音识别（ASR）是人机交互的基础技术，其核心挑战在于真实场景下的方言鲁棒性、跨语言泛化能力与时间精度。传统方案常受限于声学建模粒度粗、对齐依赖外部工具、小语种数据稀缺等问题。Qwen3-ASR通过分层方言感知编码器、轻量语义适配器解码、以及非自回归强制对齐模型，在保持低显存开销（<10GB）的同时，显著提升粤语、闽南语、维吾尔语等52种语言的识别准确率与毫秒级时间戳精度。该模型不仅支持LoRA微调适配地方口音，更将‘强制对齐’从后处理环节升格为联合建模任务，为教育口语评测、客服语音分析、非遗方言存档等工程

weixin_30700977的博客 418

语音识别文本纠错模型

文本纠错任务是一项NLP基础任务，其输入是一个可能含有错误字词的句子，输出是一个正确的中文句子。ASR（语音识别）文本的错误类型很多，有多字、少字、错别字、同音近音字等等。

7266

语音识别ASR的结果校对

在语音识别（Automatic Speech Recognition, ASR）领域，结果校对是一个重要的步骤，它可以提高语音识别系统的准确性和可靠性。需要注意的是，语音识别结果校对是一个复杂的任务，具体的校对方法和技术选择需要根据应用场景和需求来确定。通过合理的校对方法和技术选择，可以有效改善ASR结果的质量，提升语音识别系统的性能。语言模型校对：使用语言模型对ASR结果进行校对，通过比较ASR结果与语言模型生成的可能正确的文本的概率，选择最优的结果。上下文信息利用：利用上下文信息对ASR结果进行校对。

JdkwOle的博客 1082

【信息科学与工程学】【数据中心】第四十五篇 Volcano + HAMi + K8s + GPU 的运营调度01

plugins并发：predicates（资源/亲和）、gang（minMember）、drf/proportion（队列公平）、priority（优先级）、deviceshare（vgpu binpack/spread）、nodeorder（拓扑/NUMA/NVLink）、binpack（碎片最小化）；不对，3g.40gb占用40GB，两个就是80GB，再加1g.10gb超出。动态将2g.20gb拆成2个1g.10gb，3g.40gb拆成3个1g.10gb+1个3g.20gb（备用），满足全部需求。

weixin_49199313的博客 40

【读论文】基于llm的ASR后纠错_带口音ASR

传统 GER 的局限在于，它只“看”ASR 给出的文本候选，而听不到原始的语音。该论文的核心思想就是，让 LLM 在纠错时，不仅能“看”到 ASR 的文本候选，还能“听”到原始语音的发音特征，并能“分析”到音素级别的发音细节。传统的 ASR 后处理方法，如基于语言模型 (LM) 的重打分 (rescoring) 或简单的文本纠错，在处理口音问题时常常力不从心，因为它们。，即利用 LLM 的强大语言和推理能力，将 ASR 的候选识别结果 (hypotheses) 纠正为正确的文本，展现出超越传统方法的潜力。

kakaZhui的博客 920

串口接收完整一帧数据包的3种方法

本文介绍3种使用串口接受一帧完整数据包的方法，串口接收数据是字节接收的，串口每接收1字节数据，产生一个串口中断，我们在中断中将接收到的数据存放到buf中进行保存，但是数据的发送和接收都是按照帧为单位进行传输的，因此我们要在接收数据的同时判断当前接收的数据是否是完整的一帧。一般串口完整数据帧的定义：帧头（2字节，例如AA、BB） + 数据长度（2字节） + 数据+ CRC16校验（2字节） + 帧尾（2字节）帧头、帧尾表示一帧数据的开始和结尾，数据长度表示当前数据帧中负载数据大小，CRC16校...

爱吃鱼的猫 6万+

EEG信号分析实战：从时域到频域，手把手教你用Python处理脑电数据

本文详细介绍了使用Python进行EEG信号分析的实战方法，涵盖时域分析、频域分析和时频分析三大核心技术。通过MNE-Python等工具，读者将学习如何从原始脑电数据中提取事件相关电位(ERP)，解码脑波节律特征，并运用时频分析追踪动态神经活动。教程包含完整的代码示例和认知科学解释，适合神经科学研究者快速掌握EEG分析全流程。

pink的博客 1007

自监督预训练（三）wav2vec 2.0原理剖析

一、整体流程二、feature encoder 理解Conv1d nn.Conv1d(in_channels=5, out_channels=20, kernel_size=3, stride=2) 假设输入input=(batch, in_channels, in_len) batch=1 in_channels=5，对应向量大小，比如word embedding in_len=10，对应word的个数 cnn内部kernel=(in_channels, kernel_size)=(5,3)，相当

xmdxcsj的专栏 2万+

浮点数运算的陷阱与启示：FP16加法器/乘法器开发中的常见误区

本文深入探讨FP16加法器和乘法器开发中的常见误区，包括FP16格式解析、阶码对齐陷阱、尾数运算风险及规格化处理。通过Verilog实战代码展示防御性编程技巧，帮助开发者避免边界条件处理和异常状态管理中的错误，提升硬件设计的可靠性和效率。

dell8的博客 249

dxf-viewer 查看器

dxf-viewer SDK 的示例，它是一个基于 Three.js 和 Vue3 构建的基于 WebGL 的 BIM 模型查看器。它用于查看 DWG/DXF/PDF 文件。面积测量 - 角度测量 -标记。

qq_25547755的博客 865

IEEE S&P 2026 大模型安全论文整理

本文梳理了 IEEE S&P 2026（第47届 IEEE 安全与隐私研讨会）中与 LLM Safety 相关的论文，涵盖大模型越狱攻击、防御与对齐、隐私保护、RAG 安全、多模态大模型安全、智能体安全、图-LLM 安全、工具链安全及生成式 AI 安全与隐私等方向。

CSPhD-winston的博客 1333

数据分析案例-基于红米和华为手机的用户评论分析

在智能手机市场日益繁荣的今天，红米与华为手机作为国产手机品牌的佼佼者，凭借其各自独特的品牌魅力和技术实力，赢得了广泛的用户群体和高度关注。随着技术的不断进步和消费者需求的日益多样化，用户对手机的期望已不仅限于基本的通讯功能，更涵盖了性能、拍照、续航、用户体验等多个方面。因此，深入探究红米与华为手机在用户长期使用过程中的实际表现，尤其是用户评论中所反映出的真实反馈，对于理解市场需求、优化产品设计及提升用户体验具有重要意义。本实验的背景正是基于这样的市场环境和技术发展趋势。我们旨在通过收集并分析红米与华为手机的

m0_64336780的博客 1万+

《UDS协议从入门到精通》系列——图解0x14：清除诊断信息

图解0x14：清除诊断信息，简洁易懂，迅速上手！

车载系统攻城狮 4824

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏相关源码待公开

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

上一篇： python 服务 fastapi

下一篇：对文件进行邮件的定时生成和发送

Qwen3-ASR：52语种开源语音识别与强制对齐实战解析

weixin_30700977的博客

06-08

418