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。

上下文偏置 偏置列表 多任务训练 大型语言模型 自动语音识别 语言模型