文献

J-GLOBAL ID：202502218116635615   整理番号：25A2567914

RAG-Boost LLMに基づく発話システムにおけるRetvieval-Augmented Generationで増強された音声認識

RAG-Boost: Retrieval-Augmented Generation Enhanced Speech Recognition in LLM-based Spoken Dialogue Systems

著者 (3件)： WANG Pengcheng (Inst. of Sci. Tokyo) ,  LI Sheng (Inst. of Sci. Tokyo) ,  SHINOZAKI Takahiro (Inst. of Sci. Tokyo)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2025  号： 秋季  ページ： ROMBUNNO.2-1-9  発行年： 2025年08月27日 
JST資料番号： G0381C  ISSN： 1880-7658  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： ・近年の音声合成モデルは多言語認識及び音響モデリングにおけるASRの性能を向上し,大規模言語モデル(LLM)は強力な文脈理解と意味論的理解能力を例証。
・双方のモデルを組合わせたLLMに基づくASRは,複雑な文章では意味論上の不一致やハルシネーションを生じるという課題が存在。
・Retvieval-Augmented Generation(RAG)は文脈を意識したプロンプトとしてLLM内部に外部知識を注入することで本課題を解決。
・ベースラインのLLMに基づくASRシステムをRAGモジュールにより臨機応変に増強するRAG-Boostを提案,認識正確度と意味論的関連性の面で高性能。

シソーラス用語： *音声認識 ,  *言語モデル ,  音声合成 ,  意味論 ,  文脈 ,  発話
準シソーラス用語： *自動音声認識 ,  *大規模言語モデル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： RAG ,  発話 ,  増強 ,  音声認識