语音识别文本纠错模型

原创 已于 2024-08-05 08:55:53 修改 · 7.2k 阅读 · 24
收录于
LLM/NLP

当前文章被收录于：

LLM/NLP
163 篇文章 7 人学习

大语言模型/对话问答/自然语言处理

订阅专栏 查看详情
音频技术

当前文章被收录于：

音频技术
19 篇文章 0 人学习

音频技术

订阅专栏 查看详情
于 2022-03-29 18:43:53 首次发布
本文介绍了ASR文本纠错的几种模型，包括SoftMaskedBert4CSC的检测、软遮盖、修正和损失函数，MacBert4CSC的网络结构改进，ErnieCSC的拼音特征结合和预训练模型，以及FastCorrect的编辑对齐方法，旨在提高中文语音识别的准确性。

重磅推荐专栏：
《大模型AIGC》
《课程大纲》
《知识星球》

本专栏致力于探索和讨论当今最前沿的技术趋势和应用领域，包括但不限于ChatGPT和Stable Diffusion等。我们将深入研究大型模型的开发和应用，以及与之相关的人工智能生成内容（AIGC）技术。通过深入的技术解析和实践经验分享，旨在帮助读者更好地理解和应用这些领域的最新进展

在这里插入图片描述

文本纠错任务是一项NLP基础任务，其输入是一个可能含有错误字词的句子，输出是一个正确的中文句子。ASR（语音识别）文本的错误类型很多，有多字、少字、错别字、同音近音字等等。

1. SoftMaskedBert4CSC

  • 论文 【ACL 2020】《Spelling E
标签
#自然语言处理 #人工智能 #nlp #1024程序员节
了解本专栏 订阅专栏 解锁全文 超级会员免费看
文本纠错--CRASpell模型
weixin_42223207的博客
06-05 4124
文本纠错
macbert4csc纠错
ox180x的博客
04-01 5327
简介此篇文章是对macbert4csc模型的一次尝试与思考，废话不多说，看内容。 模型结构这个模型分成两部分： 使用BertForMaskedLM对预训练模型做mask训练。 对预测的结果输入linear，判断预测的结果和真实的结果是否相同，即二分类。 举例：比如错句为我和你在一其，正确的句子为我和你在一起，错句输入MLM，得到的结果假设为我和你在一器。然后输入...
ASR语音识别纠错-fast correct
sslfk的博客
03-12 4475
vi train_pretrain.sh (第9行数据赋值为data-bin，第12行为data-pretrain，第13行修改增加CUDA_VISIBLE_DEVICES=3,4)align_cal_werdur_v2.py original_query_file target_query_file 可以将纠错内容进行对齐生成对齐数据集。**********************下载sentencepiece对应的模型*************************************
NLP实践！文本语法纠错模型实战，搭建你的贴身语法修改小助手 ⛵
热门推荐
ShowMeAI研究中心
11-28 1万+
本文详细介绍 GECToR 这一优秀的文本纠错模型，使用 Transformer 编码器的序列标注器，以保证文本数据的质量，进而提升NLP模型的效果。
自然语言处理实战项目15-四种文本纠错模型的对比与实践，解决大家写作问题
微学AI的博客
08-14 2479
大家好，我是微学AI，进入给大家介绍一下自然语言处理15-四种文本纠错模型的对比与实践，解决大家写作问题。文本纠错模型是一个旨在解决大家写作问题的实践项目。它基于先进的自然语言处理技术，特别是文本纠错领域的模型和算法，能够帮助用户快速、准确地纠正文本中的拼写错误、语法错误和其他常见的书写问题。
自然语言处理中的文本纠错
AI天才研究院
01-18 2483
自然语言处理（NLP）是计算机科学与人工智能的一个分支，研究如何让计算机理解、生成和处理人类语言。在自然语言处理中，文本纠错是一种重要的技术，它旨在修正文本中的错误，以提高文本的质量和可读性。文本纠错技术广泛应用于各种领域，如新闻报道、社交媒体、电子邮件、文档编辑等。在这篇文章中，我们将深入探讨文本纠错的核心概念、算法原理、具体操作步骤以及数学模型公式。我们还将通过具体代码实例来解释这些概念和算法，并讨论未来发展趋势和挑战。
文本纠错 N-gram 修改提示
南七小僧的学海无涯
10-17 6445
有幸参加研究生师兄的创新创业项目，一个和金融企业合作的对话文本分析与挖掘的项目。项目组从公司处获得语音识别后的客服对话文本，我们对文本进行纠错、情感分析与挖掘等并最终给公司反馈，让公司能够从客服对话文本中获得有效信息。我在项目中参与的部分是文本处理的第一步：文本检错纠错。这几个月中，在研究生师兄的带领下，我们基于机器学习构建了数个用于语音识别后文本的检错纠错模型，在此将主要的两个方法：n-gram...
SenseVoice-Small模型识别结果的后处理技巧：文本纠错与标点恢复
weixin_42576804的博客
03-31 170
本文介绍了在星图GPU平台上自动化部署sensevoice-small-语音识别-onnx模型(带量化后)的方法，并重点探讨了其识别结果的后处理技巧。通过结合文本纠错与标点恢复技术，可将原始识别文本优化为规范文稿，显著提升会议纪要、访谈录音转写等场景下的文本可读性与实用性。
n-gram文本纠错
我的博客
12-17 4155
有幸参加研究生师兄的创新创业项目，一个和金融企业合作的对话文本分析与挖掘的项目。项目组从公司处获得语音识别后的客服对话文本，我们对文本进行纠错、情感分析与挖掘等并最终给公司反馈，让公司能够从客服对话文本中获得有效信息。我在项目中参与的部分是文本处理的第一步：文本检错纠错。这几个月中，在研究生师兄的带领下，我们基于机器学习构建了数个用于语音识别后文本的检错纠错模型，在此将主要的两个方法：n-gram...
RVC与ASR协同方案：语音识别纠错→文本修正→AI重述→语音合成
weixin_33072399的博客
03-18 843
本文介绍了RVC与ASR协同的智能语音处理方案。该方案可在星图GPU平台上实现RVC镜像的自动化部署，构建一条从语音识别、文本纠错、AI重述到语音合成的完整流水线。其核心应用场景之一是高效生成高质量、带特定音色的会议纪要与口播内容，大幅提升语音内容的生产效率与质量。
SIGIR 2021 DCSpell一个代价比较小的预训练文本纠错的模型
Learning from the mistakes
07-10 2412
文本纠错概述 文本纠错任务，指的是识别输入文本中出现的拼写错别字及其位置信息，并给出正确的修改建议的任务。文本纠错是自然语言处理领域一项非常重要的任务，在搜索引擎、语音识别、教育等领域有广泛的应用，能够显著地提高各种场景下语义的准确性。比如在搜索引擎场景下，用户经常在搜索时输入错误，利用文本纠错纠正搜索query并提示给用户，可以帮助用户得到更符合要求的搜索结果。对于自动语音识别（Automatic Speech Recognition, ASR）的场景，通过将文本纠错嵌入到对话系统中，可以自动修正语音转文
基于BERT的ASR纠错
袁一白的博客
01-05 1552
基于BERT的ASR纠错 链接：https://pan.baidu.com/s/1meoXKmNpDybyc80G7KBnXA 提取码：4ljr 分享嘉宾：魏天闻 小米人工智能部 导读：小爱同学是小米公司开发的智能语音系统，已广泛应用在手机、手环、音箱、电视等电子产品中，并支持闲聊、问答、语音控制等多种语音交互场景。语音系统中语音内容识别 ( ASR ) 的精准性，是影响智能语音产品发展的关键制约因素，用户query的文本，通常是由ASR系统将用户的语音命令转换而成，但由于技术上的原因，这些由ASR生成的
StructBERT文本相似度模型部署案例：中文语音ASR后处理纠错
weixin_36483050的博客
03-20 998
本文介绍了如何在星图GPU平台自动化部署StructBERT文本相似度-中文-通用-large镜像，实现中文语音识别（ASR）后处理的智能纠错。该方案通过计算语义相似度，快速匹配并修正ASR输出中的文本错误，显著提升语音转文字的准确性和用户体验。
语言模型（language model）
m0_63260018的博客
08-26 4651
语言模型是一种用于预测文本序列中下一个词或字符的概率分布的模型。它可以捕获语言结构的某些方面，如语法、句式和上下文信息。传统的语言模型通常使用N-gram方法或隐藏马尔可夫模型，但这些模型往往不能捕捉到长距离依赖和复杂的语义信息。
vLLM-v0.17.1实战教程：vLLM在语音ASR后处理文本纠错服务中应用
最新发布
weixin_35906794的博客
05-04 930
本文介绍了如何在星图GPU平台上自动化部署vLLM-v0.17.1镜像，实现语音ASR后处理中的文本纠错服务。该解决方案利用vLLM框架的高效推理能力，能够快速修正语音识别中的同音字错误、专业术语不准等问题，显著提升语音转文本的准确性和可用性。
文本纠错（Text Correction）
dundunmm的博客
03-19 2767
基于千亿参数模型（如GPT-4、ERNIE 3.0）的少样本/零样本纠错。：输入法纠错、OCR后处理、教育辅助（作文批改）、社交媒体内容清洗等。：联合优化检测与修正（如GECToR、LaserTagger）：包含错误的原始文本（如“我明天要去北京，希望天汽好。：修正后的规范文本（如“我明天要去北京，希望天气好。：避免过度修改正确内容（如“特朗普”误改为“川普”）。：结合语音、图像（OCR文本）等多模态信息提升鲁棒性。：修正需考虑长距离语义一致性（如代词指代）。：同音异字（如“天气”误写为“天汽”）
从n-gram中文文本纠错，到依存树中文语法纠错以及同义词查找
weixin_33851177的博客
10-13 1750
为什么80%的码农都做不了架构师？>>> ...
文本纠错--文本分割N-gram--Macbert模型的调用以及对返回结果的处理
a1105425455的博客
12-10 2622
输入一段可能带有错误信息的文字， 通过词典来检测其中可能错误的词。例如：有句子如下：中央人民政府驻澳门特别行政区联络办公室1日在机关大楼设灵堂有词典如下：中国人民，中央人民，澳门，西门检测时，根据词典可以得出句子中的中央人民可能为中国人民，澳门可能为西门，并返回结果。
文本分类微调技巧实战2.0
yanqianglifei的专栏
11-18 1224
讯飞比赛答辩结束，笔者和小伙伴们参加了一些讯飞的比赛，今年讯飞文本分类比赛相比去年更加多元化，涉及领域、任务和数据呈现多样性，听完各位大佬的答辩之后，结合之前经验和以下赛题总结下文本分类比赛的实战思路。
语音识别ASR的结果校对
JdkwOle的博客
09-21 1071
在语音识别（Automatic Speech Recognition, ASR）领域，结果校对是一个重要的步骤，它可以提高语音识别系统的准确性和可靠性。需要注意的是，语音识别结果校对是一个复杂的任务，具体的校对方法和技术选择需要根据应用场景和需求来确定。通过合理的校对方法和技术选择，可以有效改善ASR结果的质量，提升语音识别系统的性能。语言模型校对：使用语言模型对ASR结果进行校对，通过比较ASR结果与语言模型生成的可能正确的文本的概率，选择最优的结果。上下文信息利用：利用上下文信息对ASR结果进行校对。
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

打赏作者

小爷毛毛（卓寿杰）

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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