许多语音转文本服务（例如 Google 的）提供了置信度分数。至少对于谷歌来说，它介于 0 和 1 之间，但显然不是特定转录正确的概率，因为替代转录的置信度加起来超过 1。此外，有时置信度较高的结果排名较低。
那么，它是什么？语音识别社区中是否存在公认的“置信度分数”含义？我已经看到对最小贝叶斯风险的引用，但即使这是他们正在做的事情，这也不能回答这个问题，因为这取决于辅助损失函数的选择。
问问题
426 次
1 回答
0
但显然不是特定转录正确的概率，因为替代转录的置信度加起来超过 1
统计算法永远不会给你概率的值，它们会给你估计。在某些情况下，估计可能不准确，更多的是平均而言它们接近理想值。信心必须校准。你可以检查一些理论
语音识别置信度的校准 于冬，高级会员，IEEE，李金宇，会员，IEEE，邓立，研究员，IE https://www.microsoft.com/en-us/research/wp-content/uploads/ 2011/01/ConfidenceCalibration.pdf
语音识别社区中是否存在公认的“置信度分数”含义？
不是真的，每个人都使用自己的算法。从简单的贝叶斯风险（这根本不是最好的估计）到更高级的方法。真的不可能知道谷歌做了什么。在 Kaldi 中也有一个很好的算法实现：https ://github.com/kaldi-asr/kaldi/blob/master/egs/ami/s5/local/confidence_calibration.sh
于 2020-04-20T21:55:04.350 回答