一种轻量级的语音识别方法,用于普通话空中交通管制通信的目标交换知识蒸
Jin Ren1,2, Shunzhi Yang1, Yihua Shi3
1Institute of Applied Artificial Intelligence of the Guangdong-Hong Kong-Macao Greater Bay Area, Shenzhen Polytechnic University, Shenzhen, Guangdong, China.
PeerJ. Computer science
|December 11, 2023
概括
自动语音识别 (ASR) 可以防止由错误通信引起的航空事故. 本研究介绍了针对轻量级ASR的目标交换知识蒸 (TSKD),在空中交通管制 (ATC) 通信中平衡准确性和速度.
科学领域:
- 航空安全航空安全.
- 语音和语言处理.
- 机器学习 机器学习
背景情况:
- 空中交通管制员 (ATCO) 和空中交通管制 (ATC) 中的飞行员之间的错误沟通构成重大安全风险.
- 自动语音识别 (ASR) 为缓解这些误解提供了一个有希望的解决方案.
- 现有的ATC的ASR系统往往将识别准确性优先于转录速度,从而造成了一个关键的差距.
研究的目的:
- 为了提高ASR系统的性能和减少ASR系统的转录延迟,用于普通话ATC通信.
- 为开发轻量级ASR模型引入一种新的知识蒸策略.
- 为了改善ATC ASR中识别精度和转录速度之间的平衡.
主要方法:
- 引入目标交换知识蒸 (TSKD),这是ASR的一种轻量级策略.
- TSKD涉及教师和学生模型之间的目标类的交换逻辑输出.
- 在同质和异质架构内,TSKD应用于普通话ATC通信.
主要成果:
- 提议的TSKD策略有效地提高了轻量级ASR模型的通用化性能.
- 实验结果表明,TSKD在提高准确性和延迟性之间的平衡方面具有有效性.
- 开发的轻量级ASR模型在识别精度和转录速度方面都实现了卓越的性能.
结论:
- TSKD是一种简单而有效的方法,用于为ATC开发高性能,低延迟的ASR系统.
- 该研究解决了在时间敏感的航空环境中更快ASR系统的关键需求.
- 这些发现有助于通过先进的ASR技术减少通信错误来提高航空安全.
