本文介绍了一种基于外部语言模型的分解神经传输器（FNT）适应方法，结合浅层融合和n-gram语言模型，显著提高了语音识别的准确性。研究表明，该方法在多个数据集上相较于传统模型有明显的词误率改善，尤其在RNN-T模型中表现突出，有效解决了领域不匹配问题。

该研究通过改进IFNT模型结构，实现有效的文本适应，相对词误率改善为7.9%至28.5%，相对于FNT模型的词误率降低为1.6%至8.2%。