Warit Sirichotedumrong

新的流式泰语语音识别系统提供低延迟和可控词汇

研究人员开发了一种名为Typhoon ASR Streaming的新型流式泰语语音识别系统，专为低延迟应用而设计。该系统解决了现有基于Whisper的模型在转录前需要处理整个语句的局限性。Typhoon ASR Streaming采用缓存感知编码器和浅融合层，以提高准确性和速度实现实时转录。此外，该系统允许解码时进行词汇控制，在不影响整体准确性的情况下提高关键词召回率。