低延迟流式语音识别技术在人机语音交互场景中的实践

本文介绍了美团在语音交互场景中的低延迟流式语音识别方案，使用流式语音识别技术，可以实时返回识别结果，提高用户体验和交互效率。文章详细阐述了基于联结时序分类模型（CTC）的流式语音识别系统，以及如何降低出字延迟的尖峰优先正则化方法（PFR）。该方法在ICASSP 2023国际会议上被收录。本文还介绍了其他降低语音识别系统出字延迟的方法，并对实验结果进行了分析。该方法简单有效，具有一定的扩展空间。