WenetSpeech-Formal

FormalASR系统将中文语音端到端转换为正式文本

研究人员开发了FormalASR，一个新颖的端到端系统，旨在将中文语音直接转换为正式书面文本。这种方法绕过了对单独的大型语言模型（LLM）进行后期编辑的需求，从而降低了设备上应用程序的延迟和计算成本。FormalASR利用经过微调的Qwen3-ASR模型（0.6B和1.7B参数），在新建的数据集WenetSpeech-Formal和Speechio-Formal上进行训练，显著降低了字符错误率并提高了文本质量指标。