ASR语音识别纠错-fast correct

原创 已于 2024-03-26 10:54:18 修改 · 3.9k 阅读 · 33 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#语音识别 #人工智能 #ASR识别纠错

于 2024-03-12 19:51:25 首次发布

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
语音识别文本纠错模型
03-29 6890
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。
语音识别ASR的结果校对
JdkwOle的博客
09-21 954
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。
语音识别结果文本纠错综述
热门推荐
追梦船的专栏
04-16 1万+
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
openai-cookbook语音处理：Whisper语音识别与纠错技术实战
最新发布
gitblog_00425的博客
11-07 398
在日常工作和生活中，我们经常需要处理各种语音内容，比如会议录音、客户电话、语音留言等。但语音转文字（Speech-to-Text，STT）过程中，常常会遇到识别错误、专有名词拼写混乱、格式不规范等问题。OpenAI的Whisper模型为这些问题提供了高效解决方案，而openai-cookbook项目则通过丰富的实例，展示了如何通过预处理、提示工程（Prompt Engineering）和后处理技术
FastCorrect 2: Fast Error Correction on Multiple Candidates for Automatic Speech Recognition
Zwr198的博客
11-19 949
FastCorrect 2: Fast Error Correction on Multiple Candidates for Automatic Speech Recognition
FastCorrect：语音识别快速纠错模型丨RTC Dev Meetup
声网的博客
06-18 2320
本文将介绍一种低延迟、高精度的纠错模型 FastCorrect，通过利用编辑对齐以及多个候选结果，在取得 10% 的词错误率下降的同时，将模型加速 6-9 倍，相关研究论文已被 NeurIPS 2021 和 EMNLP 2021 收录。...
基于BERT的ASR纠错
袁一白的博客
01-05 1387
基于BERT的ASR纠错 链接：https://pan.baidu.com/s/1meoXKmNpDybyc80G7KBnXA 提取码：4ljr 分享嘉宾：魏天闻 小米人工智能部 导读：小爱同学是小米公司开发的智能语音系统，已广泛应用在手机、手环、音箱、电视等电子产品中，并支持闲聊、问答、语音控制等多种语音交互场景。语音系统中语音内容识别 ( ASR ) 的精准性，是影响智能语音产品发展的关键制约因素，用户query的文本，通常是由ASR系统将用户的语音命令转换而成，但由于技术上的原因，这些由ASR生成的
FastCorrect: Fast Error Correction with Edit Alignment for Automatic Speech Recognition
Zwr198的博客
11-15 700
FastCorrect: Fast Error Correction with Edit Alignment for Automatic Speech Recognition
精选资源
语音识别技术白皮书-12发布_V1.0.2_语音识别ASR_
09-29
《语音识别技术白皮书-12发布_V1.0.2》是针对自主开发的语音识别系统（ASR：Automatic Speech Recognition）的一份详细技术文档。这份文档旨在揭示该系统的特性和功能，为相关领域的开发人员、算法工程师、产品经理...
whisper 实现语音识别 ASR - python 实现 音频示例
10-07
随着人工智能技术的不断进步，语音识别（Automatic Speech Recognition, ASR）技术已经逐渐成熟并广泛应用于多种场合，如智能助手、语音翻译、视频字幕生成等。在这一过程中，Whisper模型凭借其强大的性能和开源优势...
精选资源
非特定人语音识别 ASR M08-B模块资料（包含Arduino UNO通信源码、Arduino2560通讯源码等）-电路方案
04-21
非特定人语音识别 ASR M08-B模块特点: 非特定人语言识别 3米识别距离 3.3V/5V供电 识别率85%-95% TTL串口通信 内置高清麦克风 ASR M08-B物展示: 支持三大识别检测模式，模块领先支持循环、口令、按钮三大识别检测...
精选资源
Hi3861＋ASR语音识别
04-04
使用ASR-01与Hi3861组成一个语音识别小助手，可以语音控制开灯、关灯、调节灯的亮度、打开无源蜂鸣器、关闭无源蜂鸣器，语音播报DHT11温湿度。详细介绍在笔者OpenHarmony的博客中有介绍。
基于BERT的ASR纠错-附件资源
03-02
基于BERT的ASR纠错-附件资源
语音识别ASR - HTK(HResults)计算字错率WER、句错率SER
q6q6q的专栏
10-27 3120
HResults计算字错率(WER)、句错率(SER)前言好久没发文，看到仍有这么多关注的小伙伴，觉得不发篇文对不住。确实好久没有输出经验总结相关的文档，抽了个时间，整理了下笔记，发一篇关于ASR常用测试指标。比如字错率、句错率指标，以及计算工具HResults的使用篇，后续慢慢找时间输出一些人工智能领域，小白可理解可用的基础知识，或者整理一些其他笔记发一发。转载说明本文为原创文章，如需转载，请在...
ASR-PRO语音识别可能出现的问题
2401_83080774的博客
06-15 1959
摘要：本文总结了使用ASRPRO语音识别模块实现开关灯设备时常见问题及解决方案。主要问题包括编译卡顿、bin文件错误、自定义语音识别失效等。解决方法包括拔除外接设备重试、删除bin文件重启、确保云保存等关键操作。文章还提到可参考他人代码快速实现功能改进，为ASRPRO开发者提供了实用的问题排查指南。（149字）
纠错模型在自研asr系统的使用意义
老银的博客
09-21 531
我们决定自研asr，同时就得面对通用音频领域语料少的问题，我们可以使用我们自己的录音数据，以及通过音频的增广去增加语料，以及自己投入人力进行数据标注。 这里有一个我做事情的准则，一切目标导向。 我们做自研asr不是为了做一个通用领域的对标各大第三方商用服务商，我们的目标是，在客户内网服务中，更准确的识别用户在电话领域的意图，以及表达内容的实体。 因此，我们不仅仅是提高asr的准确率和降低错字率，也可以在模型的更新同时，对结果的校对，我们还想到通过在任务的下游增加纠错，来实现意图命中的准确率。
论文阅读笔记——FastCorrect
comli_cn的博客
04-13 3550
编辑对齐（ Edit Alignment） 如上图所示，我们的源句子为“BBDEF”，目标句子为“ABCDF”，而我们在进行变换操作的时候是按照token粒度进行变换的，在这个例子中就是按照字母粒度进行变换的。 我们一共有三种变换的方式：token插入，token删除，token替换。从句子S=(s1,s2,⋅⋅⋅,sM)S = (s_1, s_2, ···,s_M)S=(s1​,s2​,⋅⋅⋅,sM​)到句子T=(t1,t2,⋅⋅⋅,tN)T = (t_1, t_2, ···, t_N)T=(t1​,t
【读论文】基于llm的ASR后纠错_带口音ASR
kakaZhui的博客
08-01 722
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。
拼音：提升中文ASR纠错的秘密武器
步子哥的博客
09-24 1364
在这个信息飞速发展的时代，语音识别（ASR）技术正如一颗冉冉升起的明星，闪耀在人工智能的舞台上。然而，尽管ASR技术已经取得了巨大的进步，依然存在许多挑战，尤其是在中文语音识别中。本文将深入探讨一种新颖的方法——拼音增强生成纠错（PY-GEC），并揭示其在纠正中文ASR错误中的巨大潜力。
Java语音识别源码下载 - ASR技术实现
标题“语音识别源码（java）.7z”明确指出文件包含的内容是语音识别技术的源代码，ASR是自动语音识别（Automatic Speech Recognition）的缩写。语音识别技术的目的是使计算机能够理解人类的语音输入，进而执行相应的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

会发paper的学渣

您的鼓励和将是我前进的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值