English(EN) Dual-Form ASR: Semantics-Aware Inverse Text Normalization for Chinese Speech Recognition

新的DF-ASR框架将逆文本规范化集成到语音识别中

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员开发了双形式自动语音识别（DF-ASR），这是一个将逆文本规范化（ITN）直接集成到自动语音识别（ASR）过程中的新颖框架。与传统的级联系统不同，DF-ASR使用成对的口语形式和书面形式监督，并通过LLM驱动的工作流程和称为ITN-MWER的序列级目标进行增强。通过将规范化与声学-上下文建模一起考虑，该方法旨在提高转录的准确性和可读性，特别是对于语义依赖的数字表达式。在中国语音数据上进行的实验表明，DF-ASR的性能优于现有的开源ASR-ITN系统，并且与闭源参考系统相比仍具有竞争力，同时还提供了对转录形式的可靠控制。 AI

影响这项研究可能带来更准确、更易读的语音转文本系统，特别是对于复杂的数字表达式。

排序理由该集群包含一篇详细介绍语音识别新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍语音识别新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Fengrun Zhang, Li Fu, Wangjin Zhou, Lu Fan, Youzheng Wu, Xiaodong He · 2026-09-04 04:00

双模态ASR：面向中文语音识别的语义感知逆文本规范化

arXiv:2609.02901v1 Announce Type: new Abstract: Modern automatic speech recognition (ASR) scenarios require both spoken-form transcripts for faithful transcription and readable written-form transcripts with inverse text normalization (ITN). However, these forms are typically prod…

本文如何被排名

报道来源 [1]

双模态ASR：面向中文语音识别的语义感知逆文本规范化

相关实体

相关话题