WeNet 热词增强 2.0 强势来袭

已于 2024-02-16 23:56:39 修改
阅读量1.2k 收藏 20
点赞数 17
分类专栏： # Audio/ASR&TTS 文章标签： 人工智能
于 2024-01-26 00:50:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/135856734
版权
WeNet 更新热词增强 2.0，采用AC自动机解决热词间重叠问题。通过构建热词前缀树和添加回退弧，优化了匹配效率。实验表明在含热词数据上，热词增强2.0略有下降，可能因语言模型剪枝。团队将继续探索深度学习的热词增强算法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

继《WeNet 更新：支持热词增强》两年后，WeNet 近期更新了热词增强 2.0。本次更新内容是使用 AC 自动机 (Aho-Corasick automaton) 对热词进行构图，解决热词之间存在的重叠问题[1]。

早在 2022 年 5 月份，@victor45664 就在 Github 上 Pull Request 了相关的代码实现[2]（非 OpenFST 版本）。

图片

巧的是，当时 WeNet 也正在开发 OpenFST 版本的 AC 自动机热词增强。更巧的是，K2 近期也开源了相关的实现，感兴趣的同学可以参考《新一代 Kaldi 热词识别功能》[2]。

热词增强原理

我们来回顾一下语音识别解码和热词增强的原理：

图片

我们可以简单地认为 WeNet 训练出来的声学模型是一个多分类器，例如对于常

了解本专栏 订阅专栏 解锁全文 超级会员免费看
西工大 ASLP 实验室在 WeNet 中开源基于 CPPN 的神经网络热词增强语音识别方案
u013250861的博客
01-26 1075
之前的神经网络热词增强研究大多探索在如 RNNT 等 ASR 模型上实现或提升热词增强的效果，缺少在 AED 模型上有效的纯神经网络热词增强方法。因此，我们最初的动机就是寻找 AED 模型上有效的神经网络热词增强方案，并且由于我们使用 WeNet 框架进行实验，基于 attention rescore 解码依靠 CTC 后验的特点，我们希望能够在 Encoder 部分就能进行神经网络热词增强。
WeNet 更新：支持热词增强
u013250861的博客
01-26 1390
在语音识别的实际应用中，对于常用的词汇识别效果比较好，但是对于一些特有的人名、歌名、地名或者某个领域的专有词汇，例如人名、歌名、地名以及语音识别专业词汇，可能存在识别准确率不高的情况。对于这些专有词汇，通过在 WeNet 中使用热词增强方案，添加热词可以显著提升识别的准确率。近期，WeNet 的更新支持了两种解码器上热词增强，包括 CTC Prefix Beam Search 和 WFST Beam Search。
Wenet：下一代开源语音识别框架
gitblog_00038的博客
03-22 1420
Wenet：下一代开源语音识别框架 wenetProduction First and Production Ready End-to-End Speech Recognition Toolkit项目地址:https://gitcode.com/gh_mirrors/we/wenet 项目简介 是一个由阿里巴巴达摩院语音实验室主导开发的、高性能的端到端（E2E）语音识别开源框架。它旨在为开发者和...
WeNet模型学习笔记
最新发布
牧羊女
08-16 2460
WeNet是一个端到端语音识别模型，由于其优越的特性，成为近几年语音识别领域的热门模型。WeNet模型是一种CTC和attention结构的混合体，以Conformer或Transformer作为encoder，并使用attention decoder对CTC的输出进行重新打分(rescore)。此外，为了在统一的模型中实现流式与非流式推理，该网络还引入了基于动态块的注意力机制，使得attention可以关注不同长度的上下文。WeNet论文共两篇，对应WeNet模型结构的两个版本。
《WeNet语音识别实战》答疑回顾（一）
weixin_48827824的博客
07-12 3043
WeNet是目前工业界最流行的开源端到端语音识别系统，也是学习端到端语音识别的最佳实践项目（代码运算）。语音识别的学习者和从业者，可以通过学习课程高效全面的掌握Wenet的基本原理和实战方法，降低自己摸索的成本，快速构建出高性能的语音识别系统。 ...
WeNet-Web-Project
03-31
从项目名称来看，它可能是一个基于Web的语音识别或自然语言处理平台，WeNet可能代表"Webside Network"或"We Speak Network"，暗示了其在网络通信或语音交互方面的功能。 【描述】由于描述中同样只给出"WeNet-Web-...
wenet 自动语音识别开发库及测试程序（ASR)，windows版本
07-16
这个Windows版本的Wenet包含了开发库以及测试程序，虽然它可能在编译过程中面临一定的挑战，但对于熟悉编译流程的开发者来说，这是一个宝贵的资源。 **语音识别（ASR）基础** ASR是将人类语音转换为文本的技术，...
热词增强和热词唤醒在实现上的区别是什么？
weixin_48827824的博客
07-28 692
热词增强是语音识别中的一项技术，它对一些特定场景中特定名词做实时的定向增强，一般会部署在算力比较强劲的端侧。 热词唤醒即为Hot Word或者Wake-up Word，是一个轻量级的关键词检测，通常部署在端侧的设备上，如音响、手机等。它占用资源很小，网络规模一般在几十k到几百k。...
端到端语音识别应用基于前缀树的热词技术
weixin_48827824的博客
07-19 557
在深度学习火爆的今天，大规模数据下训练的大规模模型在线上任务中日益常见。随着大模型效果的提升，随之带来了一些使用上的不便。通常情况下，大模型需要基于大量语料、文本训练，迭代周期长。且对于特定场景下词语在训练语料中出现次数不多，常常拟合不好。本文介绍的是关键词即特定场景语料，在序列到序列任务中通过构建状态转移自动机的方法改善最终效果的方案。...
58同城AI Lab在WeNet中开源GPU热词增强功能
weixin_48827824的博客
06-25 1068
端到端语音识别系统在足够多数据上训练后，往往能达到不错的识别效果，然而在实际应用场景中，对于不常见的专有名词，例如人名、产品名、小区名等，往往容易识别错误，此类问题需要快速修复，这就需要用到热词增强功能。
语音识别中的lattice与confusion network
姚光超的专栏
08-27 1万+
如果大家使用搜狗输入法的语音识别可能会发现在我们说我一句话之后，语音识别会返给你多个结果，这些结果之间只有微小差异（很多时候是发音相同的替代词）。绝大多数时候，输入法给出的结果就是我们需要的，但是偶尔也会出现候选结果中的才是我们需要的。你可能会好奇这些候选结果是如何产生的，在本文中我就给大家简单介绍一下。one best最初的语音识别结果只有一个，也被称为one best，即一个最优结果。语音识别解
完美解释：wenet-流式与非流式语音识别统一模型
热门推荐
weixin_44885180的博客
12-22 2万+
Unified Streaming and Non-streaming Two-pass End-to-end Model for Speech Recognition 流式与非流式语音识别统一模型-出门问问&西工大方案 1.模型结构 如下图所示，模型包含三个部分，分别为共享的Encoder、CTC解码器、Attention解码器，共享Encoder包含多层transformer或者conformer，CTC解码器为一个全连接层和一个softmax层，Attention解码器包含多层transfor
在kaldi工具包使用小数字语料库创建一个简单的ASR系统（番外篇）
lindadasummer的博客
12-12 3477
相信很多人已经看过kaldi英文官网上关于该系统的搭建流程。虽然官方已经写的很通俗易懂，但是第一次接触的话还是不可避免的会碰到许多坑。恰巧最近实践了一下，把整个实践过程写了下来。一是方便自己后续回顾本次实验，避免以后碰到类似问题还得重复造轮子，做无用功。二是希望将官网的搭建指引写的更通俗易懂些，降低新手学习的门槛。 官方搭建指南传送门：Kaldi for Dummies tutorial 本系
语音识别热词_TICA 2019 小爱同学语音识别评测
weixin_39668898的博客
01-15 1793
阿里QA导读：小米AI智能音响小爱同学，大家都听说过吧？你可以对它说“小爱同学，播放周杰伦的晴天，小爱同学，我要吃麦当劳”，那小爱同学是经历了怎样的测试才与大家见面的呢？大家好，我是董沐，今天很高兴来到IoT&线下智能专场来聊一下我们的工作。我来自小米人工智能智能部的小爱同学团队，是一位研发同学，主要是做一些工程效率平台的开发以及语音算法的评测，今天我主要从语音识别的点来展开聊我...
Kaldi 学习总结
dearwind153的专栏
02-16 2894
1. 声学训练时，HMM，GMM 都用在什么地方
《WeNet语音识别实战》答疑回顾（二）
weixin_48827824的博客
07-26 1516
WeNet的核心目标是为语音识别提供一套高性能易部署的工业级解决方案，完全聚焦于语音识别任务，同时对于常用的语音识别应用场景提出了一套效果极佳的端到端解决方案，而不去提供各类模型方案的大而全的集合。正因为这一明确的设计目标，WeNet在保持简洁易用的同时，在语音识别正确率、实时率和延时性都有着非常出色表现，可以直接在工业场景中落地应用。
国内外语音识别行业最全盘点及技术分析和预测
cpl000000的博客
05-11 3396
随着机器学习和人工智能的热闹，国内语音行业也可谓是百花齐放，尤其是最近几年，不仅涌现了很多国内外的小公司，而且巨头们也开始加速语音识别行业的布局。本文就详细盘点一番国内外的大型公司，并对他们掌握的技术进行分析，同时预测一下未来的语音识别趋势，期望带给行业内外的专业人士些许参考，借此更进一步推进整个行业的发展。 国外语音识别行业收购盘点和技术分析 传统语音识别行业贵族Nuance逐渐没落
kaldi-关键词识别kws
xmdxcsj的专栏
03-02 1万+
将kaldi中的kws部分的脚本跑通，并且把所有的二进制命令使用一个脚本串联起来。 ####################################### ##files dir ####################################### dataset_id=news keyword_id=news #input pcm data pcm_dir=pcm/$data
Windows版wenet自动语音识别开发与测试指南
资源摘要信息:"wenet自动语音识别开发库及测试程序（ASR)是专门为Windows版本开发的，它包含了自动语音识别功能，并且还提供了测试程序。然而，它的编译过程较为复杂困难。" 知识点一：wenet自动语音识别开发库 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值