声明:语音论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法。如有转载,请标注来源。
欢迎关注微信公众号:低调奋进
A Streaming End-to-End Framework For Spoken Language Understanding
本文为滑铁卢大学在2021.05.20更新的文章,主要做流式口语理解的工作,具体文章链接https://arxiv.org/pdf/2105.10042.pdf
1 背景
我们先看一下具体的语音交互的系统的整个流程:speech->ASR->NLU->NLG->TTS->speech。该流程的每个模块将会独立训练,因此ASR的错误将会被后续的模块逐渐积累放大,常用的做法就是在ASR之后添加纠错系统。而另一种的方法就是Spoken Language Understanding,直接从speech中获取意图,目前研究较热的是end-to-end的SLU,但该模型需要较长的latency,因此本文提出基于streaming的end-to-end SLU,其准确率与现有的end-to-end的SLU相当,但latency较小。
2 详细的设计
图1展示了传统的SLU,end-to-end SLU和本文的streaming end-to-end SLU。其中本文的streaming end-to-end SLU可以增量式识别意图和识别多意图。其中streaming end-to-end SLU的架构如图2所示:ULSTMP +CTC。具体的strea