Para peneliti mengusulkan COALA, sebuah kerangka kerja yang dirancang untuk memperkuat model bahasa yang diperkaya suara (SLMs) untuk pengenalan ucapan otomatis dalam skenario multi-entitas yang kompleks. Sistem ini mengatasi keterbatasan jendela konteks dengan memetakan representasi laten SLM ke dalam ruang diskriminatif untuk mengukur intensitas pencocokan antara segmen audio dan entitas kandidat.
- Memetakan representasi laten SLM ke dalam ruang diskriminatif khusus untuk mengidentifikasi entitas target yang relevan dari daftar bias skala besar.
- Menangani runtuhnya pelatihan dalam studi sebelumnya saat menangani ucapan multi-target di mana beberapa kata langka terjadi bersamaan.
- Memanfaatkan regularizer kontrastif dan teknik estimasi skor bias.
- Mendemonstrasikan kinerja biasing kontekstual yang unggul di berbagai skala daftar bias pada benchmark LibriSpeech.