Verso una normalizzazione inversa del testo simultanea ed efficiente con un modello linguistico da testo a testo preaddestrato e una politica Read-Tag-Write

Abstract degli autori

La normalizzazione inversa del testo in streaming (ITN) è essenziale per convertire gli output in forma parlata del riconoscimento automatico del parlato in streaming in testo scritto formattato. I metodi di ITN in streaming esistenti si basano su sistemi ibridi che combinano il tagging neurale con regole per trasduttori a stati finiti elaborate da esperti, limitando la scalabilità tra domini e lingue. I modelli end-to-end offrono una maggiore scalabilità perché apprendono direttamente dai dati, ma le architetture encoder-decoder standard non consentono per loro natura l’elaborazione in streaming, a causa dell’attenzione globale. In questo articolo proponiamo un sistema ITN end-to-end efficiente per lo streaming, adattando un modello da testo a testo preaddestrato per sfruttarne le solide conoscenze linguistiche. Per consentire l’elaborazione in streaming, introduciamo modifiche all’architettura, una strategia di addestramento specializzata, una politica di decodifica Read-Tag-Write e ottimizzazioni dell’inferenza. Gli esperimenti su dataset vietnamiti mostrano un’accuratezza paragonabile a quella dei modelli di riferimento non in streaming e superiore a quella dei metodi ibridi, nel rispetto dei requisiti di latenza per il tempo reale.