arXiv · cs.CL· Tatsunari Takagi·· 24 天前AI 评分27
面向 LLM 流式 ASR 的因式分解延迟流建模 F-DSM
Factorized Delayed Streams Modeling for LLM-based Streaming ASR
来源与原文
arXiv · cs.CL
作者：Tatsunari Takagi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.04333v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究提出 Factorized DSM（F-DSM），改进基于 LLM 的流式语音识别中 Delayed Streams Modeling 的 padding token 设计。F-DSM 将等待概率从原 LLM 词表分布中分离，避免在等待步骤执行大词表 softmax。在 Corpus of Spontaneous Japanese 和 LibriSpeech 上识别性能优于 DSM，同时大幅降低 GPU 内存占用、小幅提升推理速度，并减少纯文本困惑度的退化。
来源：arXiv · cs.CL · arxiv.org