蘋果推出降噪語言模型DLM 用于糾正ASR系統中的錯誤

　　蘋果最近推出了一項新的技術創新，去噪語言模型(DLM)，通過大量合成數據的訓練，取得了超越以往的成就，實現了自動語音識別(ASR)領域的最新性能水平。

　　這項技術的核心在于使用文本轉語音(TTS)系統創建音頻，并將其輸入ASR系統，通過這種方式產生了嘈雜的假設，與原始文本進行配對，從而訓練DLM。該方法的關鍵要素包括升級的模型和數據、多說話人TTS系統、各種噪聲增強策略以及新的解碼技術。

　　研究顯示，單個DLM可以應用于不同的ASR系統，其性能顯著優于傳統的基于語言模型(LM)的集束搜索重新評分方法。這一突破意味著精心設計的糾錯模型可以取代傳統的LM，將ASR系統的準確率提升到一個新的高度。尤其值得注意的是，DLM在LibriSpeech上實現了1.5%的字錯誤率(WER)，這是不使用外部音頻數據時報告的最佳數字之一，證明了其卓越性能。

　　然而，DLM面臨的挑戰之一是需要大量的監督訓練示例，而這在典型的ASR數據集中是有限的。為了解決這一問題，DLM采用了使用TTS系統生成合成音頻的方法，從而擴展了訓練數據集的規模。這種創新性的做法為DLM的性能提升提供了更廣闊的空間，使其在ASR領域引領潮流。