纯文本域适应降低豪萨语医疗ASR错误率

Oche Ankeli 等在 arXiv 发布论文，在不收集医疗语音数据的情况下，用 Shallow Fusion（SF）和密度比重打分（DRA）两种解码时语言模型融合方法，对固定声学模型 MMS-1B-FL102 做纯文本域适应，改进豪萨语医疗语音识别。两种方法将词错误率从 29.56% 分别降至 23.55% 和 23.33%。 研究还发现，仅用通用语言模型的 SF 已达到 23.96% 的词错误率，因此论文称医疗语言模型相对通用语言模型的额外改进有限。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。