BriefGPT - AI 论文速递
·
一种轻量高效的用于设备上流式音频识别的标点和词形预测模型
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本论文介绍了一种基于预训练掩码语言模型的条件联合建模框架，用于提高医学领域 ASR 系统的识别准确率。实验结果显示，该模型相对于基线模型在字典和会话样式语料库上有5%的绝对改进和10%的ASR输出优化。
🎯
关键要点
- 提出了一种基于预训练掩码语言模型的条件联合建模框架。
- 该框架用于预测标点符号和大小写。
- 引入了域和任务特定自适应技术和数据增强方法。
- 旨在提高医学领域 ASR 系统的识别准确率。
- 实验结果显示，相对于基线模型，F1 度量下实现了约5%的绝对改进。
- 在字典和会话样式语料库上，ASR 输出优化达到了约10%。
➡️
