Simon Berger, Larissa Kleppel, Ralf Schlüter · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31259 · open-access PDF
A pesquisa é um componente central dos sistemas de reconhecimento automático de fala (ASR) e tem sido profundamente investigada para a modelagem ASR clássica baseada em modelos de Markov ocultos (HMMs). No entanto, no trabalho sobre arquiteturas ASR de sequência-para-seqüência atuais, muitas vezes é simplificada para uma pequena pesquisa de feixe de tamanho fixo sem modelo de linguagem externo (LM). Neste trabalho, apresentamos uma análise comparativa da complexidade e eficiência do espaço de pesquisa para a Classificação Temporal do Conectista (CTC) e modelos de transdutores neurais sob diferentes estratégias de corte e configurações de LM. Mostramos que estes modos de end-to-end (E2E)
Machine translation (Meta M2M100); the English original follows.
Search is a central component of Automatic Speech Recognition (ASR) systems and has been deeply investigated for classical ASR modeling based on Hidden Markov Models (HMMs). However, in work on current sequence-to-sequence ASR architectures it is often simplified to a small fixed-size beam search without external Language Model (LM). In this work, we present a comparative analysis of search space complexity and efficiency for Connectionist Temporal Classification (CTC) and neural transducer models under different pruning strategies and LM configurations. We show that these end-to-end (E2E) mod
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31259, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange