文章图片

图五：简单补零和读音相似度对齐的对比 ，
可以看出 FastCorrect 2 在每个位置上的单词一致性更高 。
对于模型结构 ， 研究员们也进行了改动 ， 并引入了一个新模块：选择器（如图六） 。
1. 在编码器之前 ， 新引入了一个 PreNet ， 用来融合每个位置上不同单词的信息 。
2. 长度预测器需要对每个位置上的每一个单词 ， 预测 Duration 。
3. 选择器则用来选择一个输入 ， 这个输入会被调整（基于 Duration）并被送进解码器 ， 选择器的训练目标是预测解码器的损失 ， 因此选择器选择的是解码器损失最小的 ， 也就是最容易被解码器修改的输入 。

文章图片

图六：FastCorrect 2 模型结构
实验表明 ， 在开源学术数据集 AISHELL-1 和微软内部的产品数据集上 ， FastCorrect 2 相对于 FastCorrect 都取得了较大的提升（如图七） ， 而且模型的提升会随着输入的增多而不断增大 。
【语音识别的快速纠错模型FastCorrect系列来了！】
文章图片

图七：在 AISHELL-1 和微软内部的数据集上 ，
FastCorrect 2 和基线方法在词错误率和解码延迟上的对比 。
FastCorrect 系列工作的代码已经开源 ， 开源链接：

• https://github.com/microsoft/NeuralSpeech
• https://github.com/microsoft/NeuralSpeech/tree/master/FastCorrect
• https://github.com/microsoft/NeuralSpeech/tree/master/FastCorrect2

目前 ， 研究员们正在研发 FastCorrect 3 ， 在保证低延迟的情况下 ， 进一步降低语音识别的错误率 。 同时 ， FastCorrect 系列工作也将被应用于微软 Azure 的语音识别技术中 ， 为用户构建更好的语音识别服务 。
论文链接：

• FastCorrect：Fast Error Correction with Edit Alignment for Automatic Speech Recognition https://arxiv.org/abs/2105.03842
• FastCorrect 2：Fast Error Correction on Multiple Candidates for Automatic Speech Recognition https://arxiv.org/abs/2109.14420

查看语音服务文档
查看语音服务文档