ASR Error Correction using Large Language Models

2409.09554v2_dual.pdf 

在未見過的數據中(少用的字、特殊領域的專有名詞)，辨識準確率遇到了困難。

提出了 3 種方法：

1. 透過 N-best 進行錯字的修復
2. Fine Tune T5 模型，以監督式的方式進行錯字處理
3. 使用 LLM(這裡是 ChatGPT)進行修正，提供 N-best 選項，讓 LLM 進行修正

4 種 decoding 的策略：

1. Unconstrained decoding 由 Error Correction 自由生成，可以不需要符合 N-best 的任何選項，可能會造成亂改、亂產生的問題。
2. N-best constrained decoding，從 N-best 內選擇評分最高的。
3.