Что такое N-best гипотезы

N-best гипотезы — список из нескольких наиболее вероятных вариантов распознавания одной и той же произнесённой фразы, а не единственный ответ системы. По данным исследования на arxiv.org, современные системы автоматического распознавания речи используют оценки акустической и языковой моделей, чтобы заново ранжировать такие N-best списки. N-best гипотезы применяют для выбора и последующей коррекции итогового результата.

В статьях о распознавании речи можно встретить фразу «N-best гипотезы» — и это не про то, что система несколько раз переспрашивает. Разберёмся, что означает термин и зачем системе вообще держать не один, а сразу несколько вариантов ответа.

Где встречается термин N-best гипотезы

Термин чаще всего встречается в похожих контекстах:

• В исследованиях по автоматическому распознаванию речи: по данным работы на arxiv.org, современные системы ASR используют оценки акустической и языковой моделей, чтобы заново ранжировать N-best списки и выбрать из них более вероятный вариант распознанной фразы.
• В описании того, как устроена коррекция результата: N-best гипотезы используют для выбора и последующей коррекции итогового результата, а не только для получения единственного варианта текста.
• Рядом с термином часто упоминают финализацию фразы и пользовательский словарь — понятия из той же области распознавания речи.

Зачем системе несколько вариантов сразу

N-best гипотезы — это не про то, что программа «сомневается» и работает хуже: наоборот, список из нескольких вероятных вариантов даёт возможность выбрать более точный результат и скорректировать его позже, если первый вариант оказался неверным. По определению термина, N-best гипотезы используют для выбора и последующей коррекции результата — то есть система решает не по единственному первому предположению, а сравнивая несколько.

Для пользователя такой механизм обычно скрыт внутри системы: на экране появляется один итоговый текст, а сколько вариантов система перебрала перед тем, как его показать, снаружи не видно. Другие термины из этой области собраны в словаре распознавания речи.

Где Поток тут ни при чём

N-best гипотезы — внутренний механизм систем распознавания речи, а не то, что видно пользователю или заявлено как отдельная функция программы, и к «Потоку» термин напрямую не привязан. О «Потоке» здесь можно сказать только то, что закреплено в его собственном описании: это облачный сервис, распознавание идёт на серверах в России, и без интернета «Поток» не работает.

Частые вопросы

Встроенная диктовка и «Поток»

Первоисточники: arxiv.org · support.microsoft.com