返回
Boosting CTC-Based ASR Using LLM-Based Intermediate Loss Regularization
DOI:10.1007/978-3-032-02548-7_23.png)
摘要
En 中文
端到端(E2E)自动语音识别(ASR)系统通过将所有组件整合到单个神经网络中,彻底改变了该领域,基于注意力机制的编码器-解码器模型实现了最佳性能。然而,其自回归解码过程限制了推理速度,使其不适合实时应用。相比之下,CTC模型提供更快的非自回归解码,但在有效建模语言依赖性方面存在困难。为解决这一挑战,我们提出了一种新颖的辅助损失框架——语言感知中间损失(LAIL),利用大语言模型(LLMs)的语言知识增强CTC基ASR。通过将连接层附加到中间编码器层,LAIL将输出映射到LLM的嵌入空间,并在训练期间计算因果语言建模损失。该方法在增强语言建模的同时保留了CTC解码的计算效率。使用Conformer架构和各种LLaMA模型,我们在LibriSpeech、TEDLIUM2和WSJ语料库上显著降低了词错误率(WER),实现了CTC基ASR的最佳性能,同时计算开销极小。
Keyword:
speech recognition
CTC
Conformer
intermediate loss
non-autoregressive ASR
large language models
期刊
T
IF:
0
论文数:
31
被引数:
0
机构
暂无机构信息
引用论文
Fast Conformer With Linearly Scalable Attention For Efficient Speech Recognition高效语音识别的快速Transformer变体:具有线性可扩展注意力的Conformer

