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

ArcMap投影变换避坑指南：为什么你的坐标转换总出错？常见问题解析与解决方案

本文深入解析ArcMap中坐标转换与投影变换的核心区别与常见陷阱。针对坐标转换总出错的问题，从混淆“定义投影”与“投影变换”、栅格数据重采样选择、矢量数据地理变换参数设置等关键环节，提供清晰的避坑指南与实战解决方案，帮助用户确保空间数据的精确匹配。

weixin_29210727的博客 356

检索增强世界模型(R-WoM)原理与应用实践

世界模型是AI系统理解环境的核心技术，通过构建环境的内部表示实现状态预测和行动规划。传统方法基于RNN或VAE等神经网络，而检索增强世界模型(R-WoM)创新性地引入检索机制，结合外部记忆库提升系统性能。这种架构突破模型参数限制，使AI能像人类一样利用历史经验解决问题，在游戏AI、虚拟助手等场景表现优异。关键技术包括FAISS相似性搜索、分层记忆管理和动态检索策略，其中Transformer编码器和GRU动态模型的组合实现高效环境建模。实践表明，该方法可提升47%的战术多样性，加快32%的应急响应速度。

weixin_42676876的博客 341

研究生研一学习机器学习ML、深度学习DL的规划

研究生学习机器学习DL、深度学习DL的规划保上研之后也没有很好规划自己的学习路线，看到b站上的一位清华博士讲述他本科也是机械跨考计算机的学习路线，所以记录下来，从现在开始按照规划来一点一点地做好。掌握python（推荐一周） 1.1 面向对象编程廖雪峰python网站: https://www.liaoxuefeng.com 1.2 数据分析Numpy numpy 100题: https://www.yanxishe.com/columnDetail/24784 1.3数据分析pandas pan

没有最好，只有更好 3099

Metal 一、初识 Metal 及其语言规范

游戏开发者的新的技术平台，该技术能够为3D图像提高 10 倍的渲染性能。苹果2018年推出 Metal，在此之前一直使用OpenGL ES。1图形渲染；2高并发计算。苹果文档给出的 Metal 优化：CPU 低消耗、GPU 高利用、连续处理器并行、有效的资源利用Metal 官方文档。

irainsa的博客 1219

Mamba实战：如何用Samba框架轻松搞定RGB-D显著性检测（附避坑指南）

本文提供了基于Samba框架进行RGB-D显著性目标检测的实战指南。详细解析了从环境配置、数据预处理到模型推理与可视化的全流程，并重点剖析了多模态数据融合中的常见陷阱与调试技巧，旨在帮助开发者高效部署这一基于Mamba的先进视觉模型，规避工程实践中的典型问题。

dapp9builder的博客 615

Android 15网络子系统深度解析（一）：ConnectivityService与网络管理框架全解析

深入剖析Android 15核心网络服务ConnectivityService的架构设计、NetworkAgent/Factory机制、网络状态管理、以及WiFi/移动网络切换的完整流程

Cheson的专栏 1749

硬件工程师笔记——运算放大电路Multisim电路仿真实验汇总

本文系统介绍了运算放大电路的基础知识及其应用。主要内容包括：1）运算放大器的基本结构、理想特性及分析方法（虚短、虚断、叠加定理）；2）比例运算电路（同向、反向、差分）的工作原理与仿真分析；3）求和运算、加减运算电路的实现方法；4）积分、微分、指数和对数运算电路的基本原理；5）过零电压比较器的功能特点。通过理论分析和仿真实验，详细阐述了各类运算放大电路的输入输出特性、相位关系和增益计算，为硬件工程师提供了实用的电路设计参考。

XU157303764的博客 2479

博途PLC信号处理系列之卡尔曼滤波程序(Kalman Filter)

三菱系列PLC的卡尔曼滤波程序，可以参看下面这篇博文PLC滤波算法之卡尔曼滤波(kalmanFilter)代码+测试_RXXW_Dor的博客-优快云博客_plc滤波kalman滤波是采用递归的方法解决线性滤波问题，只需要当前的测量值input（西门子PLC里比如我们的模拟量通道AIW0值）和前一个采样周期的估计值（上一个时刻的滤波输出结果last_out）就能进行状态估计，需要的存储空间小，每一步的计算量小。下面我们通过程序代码一一给大家展示下。注意。......

RXXW_Dor的博客 3475

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具，DIAPI， UIAPI，Add-ON有详细解说

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