利用大型语言模型进行生成式语音识别误差校正 使用大型语言模型进行 ASR 后处理,通过指令提示和上下文学习改进错误纠正,与领域精调模型相比,显示了语言模型的泛化能力。 该研究探讨了大型语言模型中的上下文偏置,并提出了多种方法来提升自动语音识别性能,包括偏置列表、少量示例、多任务训练和动态提示等。实验结果表明,这些方法可以分别实现17.8%至20.0%的相对WER改善。