arXiv cs.CL· Simon Berger, Larissa Kleppel, Ralf Schl\"uter·· 12 小时前AI 评分22
CTC 与神经 transducer 端到端 ASR 模型的搜索空间复杂度与效率系统对比
A Systematic Comparison of Search Space Complexity and Efficiency for Time-Synchronous End-to-End ASR Models
AI 导读
研究系统对比了 CTC 与神经 transducer 端到端 ASR 模型在不同剪枝策略和 LM 配置下的搜索空间复杂度与效率。这类模型多数时候只需很小的搜索空间，但在不确定时段会出现假设数量的临时高峰；基于分数的剪枝能随模型不确定性动态调整搜索，显著降低实时率（RTF）。结果说明低固定 beam 剪枝存在局限，并为端到端 ASR 的高效搜索提供了实践指南。
正文 · AI 翻译
摘要：搜索是自动语音识别（ASR）系统的核心组成部分，在基于隐马尔可夫模型（HMM）的经典 ASR 建模中已得到深入研究。然而，在当前序列到序列 ASR 架构的研究中，搜索往往被简化为不使用外部语言模型（LM）的小型固定大小束搜索。在本工作中，我们对连接时序分类（CTC）和神经转录器模型在不同剪枝策略和 LM 配置下的搜索空间复杂度和效率进行了对比分析。我们表明，这些端到端（E2E）模型在大多数时候以较小的搜索空间运行，但在不确定性时期会出现假设数量的较大临时峰值。基于分数的剪枝能够根据模型不确定性动态调整搜索，从而显著降低实时因子（RTF）。我们的结果凸显了低固定大小束剪枝搜索的局限性，并为 E2E ASR 中的高效搜索提供了实用指南。
| 评论： | 已被 IEEE SLT 2026 接收。7 页，4 幅图 |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | I.2.7 |
| 引用为： | arXiv:2610.31259 [cs.CL] |
| （或本版本的 arXiv:2610.31259v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2610.31259 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Simon Berger [查看电子邮件]
[v1]
2026 年 10 月 22 日星期四 13:35:50 UTC（137 KB）
来源：arXiv cs.CL · arxiv.org