論文の概要: Error-Aware TF-IDF Retrieval-Augmented Generation for ASR Error Correction

• arxiv url: http://arxiv.org/abs/2606.24915v1
• Date: Fri, 19 Jun 2026 16:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.046557
• Title: Error-Aware TF-IDF Retrieval-Augmented Generation for ASR Error Correction
• Title（参考訳）: ASR誤り訂正のための誤り対応TF-IDF検索生成
• Abstract要約: この手紙は、音声とループの幻覚を明示的に解決する、非常に効率的で純粋に語彙的な誤り認識フレームワークを提案する。 提案手法は、対称テキスト正規化モジュールと、新しい誤り認識項の周波数逆文書頻度アルゴリズムを統合する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end automatic speech recognition systems frequently hallucinate rare entities and domain-specific terms, especially in low-resource languages. While retrieval-augmented generation frameworks can mitigate these errors using large language models, current architectures face significant challenges. They either rely on standard sparse retrieval that ignores phonetic misrecognitions or utilize heavyweight cross-modal embeddings that introduce high latency. This letter proposes a highly efficient, purely lexical error-aware framework designed to explicitly resolve phonetic and loop hallucinations. Our approach integrates a symmetric text normalization module with a novel error-aware term frequency-inverse document frequency algorithm. By constructing a sparse diagonal penalty matrix based on historical errors, the retriever mathematically prioritizes corrective documents containing specific high-risk misrecognitions. Evaluated on the Persian subset of the FLEURS dataset, our method increased the error-aware hit rate from 53.7% to 90.9%. In end-to-end evaluations, the integrated framework reduced the final word error rate from 23.06% to 18.83%, achieving significant accuracy gains with near-zero inference latency.
• Abstract（参考訳）: エンドツーエンドの自動音声認識システムは、特に低リソース言語において、希少なエンティティやドメイン固有の用語を幻覚させることが多い。 検索強化された生成フレームワークは、大きな言語モデルを使用してこれらのエラーを軽減することができるが、現在のアーキテクチャは重大な課題に直面している。 それらは、音声の誤認識を無視した標準的なスパース検索に依存するか、高いレイテンシをもたらす重み付けのクロスモーダル埋め込みを利用する。 この手紙は、音声とループの幻覚を明示的に解決するために設計された、非常に効率的で純粋に語彙的な誤り認識フレームワークを提案する。 提案手法は、対称テキスト正規化モジュールと、新しい誤り認識項の周波数逆文書頻度アルゴリズムを統合する。 検索者は、歴史的誤りに基づいてスパース対角ペナルティ行列を構築することにより、特定のハイリスク認識を含む修正文書を数学的に優先順位付けする。 FLEURSデータセットのペルシャ部分集合に基づいて評価し,誤差認識ヒット率を53.7%から90.9%に引き上げた。 エンドツーエンドの評価において、統合されたフレームワークは最終単語エラー率を23.06%から18.83%に下げ、ほぼゼロの推論遅延で大幅な精度向上を実現した。

関連論文リスト

• Towards Human-Like Interactive Speech Recognition With Agentic Correction and Semantic Evaluation [53.844308305341166]
  単一パスのASRフロントエンドと意味的訂正,意図のルーティング,推論に基づく編集を組み合わせた閉ループフレームワークである textbfAgentic ASR を提案する。 複数言語、名前付き集中型、コードスイッチングベンチマークの実験は、反復的相互作用が意味的誤りを一貫して減少させることを示している。
  論文  参考訳（メタデータ） (2026-05-28T06:23:31Z)
• Graph-Based Phonetic Error Correction of Noisy ASR [15.765749498997442]
  本稿では,音声グラフモデリングと文脈言語理解を組み合わせた構造化ASR補正フレームワークを提案する。 グラフニューラルネットワーク(GNN)は、まず、フラグ付きトークンに対して、音響的に検証可能な候補近傍を構築する。 その後、マスク付き言語モデル(MLM)が局所的な文脈スコアリングを提供し、命令調整型大規模言語モデル(LLM)が最終的な文脈認識の再ランク付けを行う。
  論文  参考訳（メタデータ） (2026-04-29T13:57:11Z)
• Distinguishing Repetition Disfluency from Morphological Reduplication in Bangla ASR Transcripts: A Novel Corpus and Benchmarking Analysis [0.0]
  ノイズの多いASR転写におけるこれらの2つの現象を明瞭に区別するために,手動で注釈を付した2万列バングラコーパスを紹介した。 我々は、この新しいリソースを、最先端の多言語大言語モデル(LLM)とタスク固有のエンコーダモデルの微調整という2つのパラダイムを用いてベンチマークする。
  論文  参考訳（メタデータ） (2025-11-17T09:06:01Z)
• A Text-To-Text Alignment Algorithm for Better Evaluation of Modern Speech Recognition Systems [23.218327444488164]
  現代のニューラルネットワークは、音声認識ベンチマークのパフォーマンスを大幅に改善した。 稀な用語、名前付きエンティティ、ドメイン固有の語彙の誤りは、より簡潔であるが、集約されたメトリクスによって隠されている。 本稿では,動的プログラミングとビーム探索スコアリングを結合したアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-29T08:53:02Z)
• LLM-based Generative Error Correction for Rare Words with Synthetic Data and Phonetic Context [4.444835399672951]
  稀な単語を対象とし,音声情報を組み込んだ新しいGER手法を提案する。 実験結果から,本手法は稀な単語の訂正を改善するだけでなく,WERとCERを低減させることがわかった。
  論文  参考訳（メタデータ） (2025-05-23T02:54:52Z)
• Group-Adaptive Threshold Optimization for Robust AI-Generated Text Detection [58.419940585826744]
  本稿では,確率的AIテキスト検出のためのグループ固有しきい値最適化アルゴリズムであるFairOPTを紹介する。 属性(例えば、テキストの長さと書き込みスタイル)に基づいてデータをサブグループに分割し、FairOPTを実装して、各グループに対する決定しきい値の学習を行い、不一致を低減しました。 我々のフレームワークは、後処理によるAI生成コンテンツ検出において、より堅牢な分類の道を開く。
  論文  参考訳（メタデータ） (2025-02-06T21:58:48Z)
• Failing Forward: Improving Generative Error Correction for ASR with Synthetic Data and Retrieval Augmentation [73.9145653659403]
  生成誤差補正モデルは、トレーニング中に発生する特定の種類のエラーを超えて一般化することが困難であることを示す。 DARAGは、ドメイン内(ID)およびOODシナリオにおけるASRのためのGCCを改善するために設計された新しいアプローチである。 私たちのアプローチはシンプルでスケーラブルで、ドメインと言語に依存しません。
  論文  参考訳（メタデータ） (2024-10-17T04:00:29Z)
• HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models [81.56455625624041]
  ASRの誤り訂正に外部の大規模言語モデル(LLM)を利用する最初のオープンソースベンチマークを導入する。 提案したベンチマークには、334,000組以上のN-best仮説を含む新しいデータセットHyPoradise (HP)が含まれている。 合理的なプロンプトと生成能力を持つLLMは、N-bestリストに欠けているトークンを修正できる。
  論文  参考訳（メタデータ） (2023-09-27T14:44:10Z)
• Boosting Chinese ASR Error Correction with Dynamic Error Scaling Mechanism [27.09416337926635]
  現在の主流モデルは、しばしば単語レベルの特徴と音声情報を効果的に活用するのに苦労する。 本稿では,音素の誤りを検知し,訂正する動的エラースケーリング機構を取り入れた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-08-07T09:19:59Z)
• Factual Error Correction for Abstractive Summaries Using Entity Retrieval [57.01193722520597]
  本稿では,エンティティ検索後処理に基づく効率的な事実誤り訂正システムRFECを提案する。 RFECは、原文と対象要約とを比較して、原文から証拠文を検索する。 次に、RFECは、エビデンス文を考慮し、要約中のエンティティレベルのエラーを検出し、エビデンス文から正確なエンティティに置換する。
  論文  参考訳（メタデータ） (2022-04-18T11:35:02Z)
• Speaker Embedding-aware Neural Diarization for Flexible Number of Speakers with Textual Information [55.75018546938499]
  本稿では,話者埋め込み認識型ニューラルダイアリゼーション(SEND)手法を提案する。 本手法は,ターゲット話者の音声活動検出よりも低いダイアリゼーション誤差率を実現する。
  論文  参考訳（メタデータ） (2021-11-28T12:51:04Z)
• Empirical Error Modeling Improves Robustness of Noisy Neural Sequence Labeling [26.27504889360246]
  本稿では,誤りのないテキストから誤文への変換を訓練したシーケンス・ツー・シーケンスモデルを用いた経験的誤り生成手法を提案する。 テキスト入力が不完全である場合にさらに悪化するデータ空間の問題に対処するため,ノイズの多い言語モデルによる埋め込みを学習した。 提案手法は, 誤り系列ラベリングデータセットのベースラインノイズ発生と誤り訂正技術より優れていた。
  論文  参考訳（メタデータ） (2021-05-25T12:15:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。