[2606.24915] 面向ASR错误校正的误差感知TF-IDF检索增强生成
[2606.24915] 面向ASR错误校正的误差感知TF-IDF检索增强生成
作者： Mohammad Aref Jafari-Raddani
端到端自动语音识别系统经常在罕见实体和领域特定术语上产生幻觉，尤其是在低资源语言中。虽然检索增强生成（Retrieval-Augmented Generation, RAG）框架可以通过大型语言模型（LLM）缓解这些错误，但当前的架构面临重大挑战。它们要么依赖忽略语音误识别的标准稀疏检索，要么使用引入高延迟的重型跨模态嵌入。本文提出一种高效的、纯词汇的误差感知框架，旨在显式解决语音和循环幻觉。我们的方法将对称文本归一化模块与一种新颖的误差感知词频-逆文档频率（Term Frequency-Inverse Document Frequency, TF-IDF）算法相结合。通过基于历史错误构建稀疏对角惩罚矩阵，检索器在数学上优先选择包含特定高风险误识别的校正文档。在FLEURS数据集的波斯语子集上评估，我们的方法将误差感知命中率从53.7%提升至90.9%。在端到端评估中，集成框架将最终词错误率（Word Error Rate, WER）从23.06%降至18.83%，在近乎零推理延迟的情况下实现了显著的准确率提升。