计算机科学 > 计算与语言
[提交于 2023年6月2日
]
标题: Whisper和GPT-2中情境偏差是否仍然有效?
标题: Can Contextual Biasing Remain Effective with Whisper and GPT-2?
摘要: 端到端自动语音识别(ASR)和大型语言模型,如Whisper和GPT-2,最近已被扩展以使用大量训练数据。 尽管有大量训练数据,特定任务中出现的不常见内容词可能仍然表现出较差的ASR性能,而上下文偏差可能是解决方法。 本文研究了将神经上下文偏差应用于Whisper并与GPT-2结合的效果。 具体而言,本文提出集成一个适应的树约束指针生成器(TCPGen)组件用于Whisper,并提出一种专用训练方案,在不修改任何Whisper模型参数的情况下动态调整最终输出。 在三个数据集上的实验显示,使用1000个词的偏差列表时,偏差词的错误显著减少。 当应用于领域特定数据时,上下文偏差更为有效,并且可以在不损失其通用性的情况下提升Whisper和GPT-2的性能。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.