يقدم الباحثون طريقة عامة مستندة إلى التدرج لإيجاد الحدود الزمنية للكلمات في الصوت لأي نموذج التعرف التلقائي على الكلام (ASR) قابل للاشتقاق، بما في ذلك تلك التي لا توفر المحاذاة بشكل أصلي مثل مشفر-مفكك الانتباه والنماذج اللغوية الكبيرة لل speech. تحسب هذه الطريقة تدرج كل احتمال لوغاريتمي لرمز مُجبر بالتعليم بالنسبة للإدخال، وتختصره إلى أهمية لكل إطار، ثم تفكك الحدود الزمنية للكلمات عبر البرمجة الديناميكية.
- لا تتطلب الطريقة أي تدريب أو تعديل للنموذج أو رؤوس محاذاة إضافية.
- تقوم بالمحاذاة على شبكة الإدخال الدقيقة بدلاً من شبكة إطار المشفر الأوسع المستخدمة في نماذج CTC أو المحوّل (transducer).
- أظهرت التقييمات عبر ستة عشر نموذجاً من أربع عائلات أنها تنتج محاذاة قابلة للاستخدام لكل نموذج مُختبر.
- الأداء عادةً أقل قليلاً من المحايزات الأصلية القوية، لكنه متفوق حيث تكون المحاذاة الأصلية ضعيفة، مثل النماذج البثّية.
العيوب الرئيسية المُحددة هي التكلفة الحسابية لإجراء تمرير عكسي واحد لكل رمز.