超越转录：ASR模型在200毫秒内传递文字、情感和意图

要点

• Whissle的META-1模型利用CTC解码器在200毫秒内同时输出文本和元数据，无需单独管道。
• KenLM n-gram语言模型通过浅融合集成到CTC束搜索解码中，在不影响元数据能力的前提下提高了转录准确性。
• 在英语、西班牙语、德语和印地语的基准测试中，Whissle + LM实现了高达3.6%的绝对WER降低，元数据提取速度比竞品快9倍。
• 该模型在印地语等方言变化较大的语言中表现优异，展示了其对现实世界语音的鲁棒性。