Phonetically-Augmented Discriminative Rescoring for Voice Search Error Correction
端到端（E2E）自动语音识别（ASR）模型是使用配对的音频文本样本训练的，这些样品的获取昂贵，因为高质量的地面图数据需要人体注释。语音搜索应用程序（例如数字媒体播放器）利用ASR允许用户通过语音搜索而不是屏幕键盘。但是，在E2E ASR系统的训练数据中可能没有足够的代表或不足的电影标题，因此可能会受到较差的认可。在本文中，我们提出了一个语音校正系统，该系统由（a）基于…
