論文解説 - Tree-constrained Pointer Generator with Graph Neural Network Encodings for Contextual Speech Recognition

Interspeech 読み会 2022 で発表したものです。

[元論文]

arxiv.org

Interspeech2022 の best student paper の 1 つ。

著者らが以前提案した Tree-constrained Pointer Generator (TCPGen) の拡張。 Contextual biasing という特定コンテキストの単語 (人名、作品名、専門用語 etc) などを音声認識しやすくする方法で、実用上重要そう。

手法の詳細はスライド参照。 単語リストに関する prefix tree 表現に Graph Neural Network (GNN) のものを利用。

INTERSPEECH2022yomi.pdf from Hayato Futami

www.slideshare.net

[おまけ] Interspeech 発表記念写真。次は現地行きたい。