arXiv cs.CL· Sankalp Parashar, Preethi Jyothi, Sunita Sarawagi·· 11 小时前AI 评分31
PARDON：面向语音识别错误的定向澄清框架
Ask, Don't Guess: Targeted Clarification for Speech Recognition Errors
AI 导读
PARDON 是一个在线错误定位框架，用 pair-HMM 对含噪与干净音频解码做概率对齐生成软监督，训练反事实增益打分器输出 token 级分数并聚合为片段。在 70% 精度下，它比最强基线多识别最多 52% 的错误 token。定向复述在计入打断频率与复述长度的预算下，相对 WER 最多降低 24%。
正文 · AI 翻译
摘要：在远场对话场景中，实时语音识别仍会产生显著错误。在流式 ASR 过程中识别出潜在的错误片段，可以引入一种补救机制：请说话人在更干净的声学条件下重复受影响的内容。我们提出 PARDON，这是一个用于在线错误定位的新框架，能够识别出可能从这种干预中受益的片段。我们的监督方法利用干净音频来估计识别器输出在声学条件改善时可能发生的变化。我们使用 pair-HMM 对含噪解码和干净解码进行概率对齐，以获得软监督。这些软目标通过结合一组声学和语言特征来训练一个反事实增益评分器，以产生 token 级分数，再进一步分组为片段，用于有针对性的补救。LLM 利用重复内容的 ASR 转录文本，仅对选中的片段进行修正。在 70% 的精确率下，PARDON 相比最强的基线多识别出多达 52% 的错误 token，从而实现了最高的召回率。在同时考虑打断频率和重复片段长度的预算下，有针对性的重复使 WER 相对降低最多 24%。
| 评论： | 提交至 NAACL 2027 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.24809 [cs.CL] |
| （或 arXiv:2610.24809v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.24809 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Sankalp Parashar [查看邮箱]
[v1]
2026年10月17日星期六 18:32:23 UTC（371 KB）
[v2]
2026年10月20日星期二 05:23:43 UTC（371 KB）
来源：arXiv cs.CL · arxiv.org