该文介绍了一种基于Transformer的后处理模型，用于将自动语音识别模型的输出转化为语法和语义正确的文本。在LibriSpeech基准测试中，该方法在词错误率上表现优异，尤其是在更嘈杂的评估数据集上。

本文介绍了一种用于自动语音识别的后处理模型，使用基于Transformer的编码器-解码器架构将ASR模型输出转化为语法和语义正确的文本。作者探讨了不同的规范化和优化策略，并指出需要广泛的数据增强和预训练权重的初始化来实现良好的性能。该方法在LibriSpeech基准测试中，在词错误率上表现优异，尤其是在更嘈杂的评估数据集上。该模型还通过6-gram语言模型重新评分超过了基础模型，并接近于使用Transformer-XL神经语言模型重新评分的性能。