研究人员开发了一种名为 Group Relative Policy Optimization (GRPO) 的新方法，以改进自动语音识别 (ASR) 模型，特别是在使用合成语音进行训练时。这种强化学习方法在降低词错误率 (WER) 方面显著优于传统的监督微调 (SFT)。GRPO 相较于 SFT 实现了 40% 的相对 WER 降低，而 SFT-然后-GRPO 的组合方法进一步将性能提高了 45%。这些提升归因于 GRPO 增强停止校准和音频到文本对齐的能力，而不是改变核心模型表示。 AI
影响 这项研究表明，强化学习，特别是 GRPO，是使用合成数据调整 ASR 模型比 SFT 更有效的方法，有可能提高隐私敏感领域的 ASR 准确性。
排序理由 该集群包含一篇详细介绍改进 ASR 模型新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.08409v1 Announce Type: cross Abstract: LLM-based ASR adapted to regulated domains such as banking is bottlenecked by privacy: real speech is costly and legally constrained to collect, making synthetic text-to-speech (TTS) an attractive substitute. Yet synthetic speech …
LLM-based ASR adapted to regulated domains such as banking is bottlenecked by privacy: real speech is costly and legally constrained to collect, making synthetic text-to-speech (TTS) an attractive substitute. Yet synthetic speech stays acoustically mismatched with real recordings…