普通话技术讲座的情境感知 ASR

技术讲座将普通话演讲与英语技术术语相结合。这些术语承载了讲座的核心含义，但它们所占的字符很少。因此，字符错误率 (CER) 隐藏了它们的识别失败。我们研究讲座上下文是否有助于识别这些术语。我们构建了术语丰富的普通话 AI/ML 讲座基准，并定义了以术语为中心的指标来直接衡量技术术语的识别度。然后，我们提出了一种两遍、无参考解码方法。第一遍运行仅段 ASR。我们从第一遍假设中提取最常见的技术术语，并在第二遍中用这个自建术语表提示识别器。在五个 ASR 主干中，第一遍词汇表提高了每个模型的术语召回率，并保持或降低了所有五个模型的 CER。在 Breeze-ASR-25 上，它将术语召回率从 52.50% 提高到 60.13%，同时降低了 CER，并且添加小型外部术语列表的混合方案达到了 62.05% 的召回率和 82.73% 的术语精度。从模型自身输出中恢复的讲座上下文是技术术语识别的实用信号。以术语为中心的评估会暴露 CER 遗漏的错误。