VISH-ASR：免训练热词预选框架，用 CTC 后验验证候选
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
基于提示的上下文 ASR 需要从规模庞大且动态变化的词表中挑出一个紧凑的热词子集，但现有预选方法有两条路径：一是依赖离散 ASR 假设，这可能丢掉声学证据；二是单独训练检索模型。论文把预选重新表述为受约束的后验搜索问题，候选词是否入选取决于它在帧级 CTC 后验上能否得到逐帧的声学支持，而不是看最终文本假设里有没有出现。这一框架不需要额外训练，可以直接接入现有流程。作者为 Xiaoyu Gu、Yu Xi、Chencheng Wang、Zonghan Zhou、Haoyu Li、Jing Peng、Kai Yu。
两个可扩展变体
直接对每个候选做后验验证在词表很大时开销过高，论文给出 M-VISH：采用帧同步的共享前缀 Viterbi 搜索，让多个候选共用前缀计算路径，并配合有界 top-K 剪枝控制搜索宽度，从而把大词表验证变得可扩展。在此基础上，Bi-MVISH 进一步利用反向证据做互补验证，以提升判断的稳健性。两者都保持免训练属性，属于即插即用的预选环节。
实测收益
论文在五个基准上做了评测。M-VISH 的 Best-F1 相对强学习检索基线最高取得 11.7% 的绝对提升；在 2000 个候选的规模下，候选搜索延迟相对基于假设的过滤方式下降 75.2%。这两项结果分别对应准确率与效率：后验级验证既能挑得更准，也能在候选量大时维持可接受的搜索开销，且不需要为预选额外训练模型。
为什么值得看
热词预选直接影响上下文 ASR 的准确率与延迟，这里给出了免训练、可插拔且带量化收益的做法。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。