研究人员开发了RECOVER,一个旨在提高自动语音识别(ASR)系统中实体识别能力的新框架,特别针对罕见或特定领域术语。该智能系统利用多个ASR假设作为证据,检索相关实体,并使用大型语言模型(LLMs)进行约束性纠正。它通过确定性护栏和LLM评论员进一步完善这些纠正,并能够触发反馈循环以处理遗漏的实体。在五个数据集上与Whisper-large-v3基线进行评估,RECOVER在实体短语词错误率方面显著降低,实体召回率提高,同时不影响整体词错误率,其中LLM-Select策略被证明最有效。 AI
影响 提高了语音识别系统对专业术语的准确性,可能在金融和医学等关键领域改善可用性。
排序理由 该集群包含一篇详细介绍新框架和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →