相同的字识别容易吞字

[zyl168]

相同的字识别容易吞字，eg：95559容易识别为9559或者959
改成modified_beam_search有所改善，但是95559还是完全复线
改blankpanalty会出现大量重复，类似于图片所示

[Gilgamesh-J]

您好，感谢关注，也感谢提出这么好的问题，目前这是特例呢，还是说是大部分相同字连读的普遍情况呢？

[zyl168]

您好，感谢关注，也感谢提出这么好的问题，目前这是特例呢，还是说是大部分相同字连读的普遍情况呢？

您好，感谢回答。
我实测，贪婪算法下，三个相同字在交谈中基本是百分百复现的，modified_beam_search下会有所改善，另外最近测试中，相近读音的字也会发生吞字，例如，交银E监管容易识别为交易监管。

[Gilgamesh-J]

好的，非常感谢，关于相同字的吞字现象，我们后续会排查，但针对“交银E监管容易识别为交易监管”的问题，这个是模型所不能识别的，我们也没有做热词的设计，我们推荐的解决方法是接一个LM做后正则化。您可以尝试使用一下我们的VIBE XASR，里面有LM后正则，以及热词归纳的功能，应该能部分缓解此问题。

[zyl168]

好的，非常感谢，关于相同字的吞字现象，我们后续会排查，但针对“交银E监管容易识别为交易监管”的问题，这个是模型所不能识别的，我们也没有做热词的设计，我们推荐的解决方法是接一个LM做后正则化。您可以尝试使用一下我们的VIBE XASR，里面有LM后正则，以及热词归纳的功能，应该能部分缓解此问题。

好的，感谢解答，我针对识别不准 有做后修正，参考的是项目https://github.com/HaujetZhao/asr-hotword ，但是如果漏字，后修正也很难发挥作用。我的热词方案使用的是sherpa-onnx的方案，sherpa-onnx的热词我在实测中存在热词有时生效有时不生效的现象。我也将继续尝试使用VIBE XASR的LM后正则和热词。

[zyl168]

好的，非常感谢，关于相同字的吞字现象，我们后续会排查，但针对“交银E监管容易识别为交易监管”的问题，这个是模型所不能识别的，我们也没有做热词的设计，我们推荐的解决方法是接一个LM做后正则化。您可以尝试使用一下我们的VIBE XASR，里面有LM后正则，以及热词归纳的功能，应该能部分缓解此问题。

VIBE XASR项目用的好像是sherpa-onnx的contextual biasing，我在测试上下文偏置，实测热词有较大概率不生效，例如周杰仑，已在sherpa-onnx反馈