FormalASR：中文口语到正式文本的端到端模型

端到端小模型可直接把中文口语转成正式书面文本。

资讯摘要

论文提出 FormalASR，包含 0.6B 与 1.7B 两个紧凑端到端模型，可直接将中文口语转写为正式书面文本，无需部署时再接入 LLM 后处理。作者用 LLM 改写与质量过滤构建 WenetSpeech-Formal 和 Speechio-Formal 两个数据集，并在两个规模上对 Qwen3-ASR 做监督微调。作者报告，相比逐字转写基线，CER 相对降低最高 37.4%，ROUGE-L 与 BERTScore 也有提升。

要点速读

1. 提出 0.6B 和 1.7B 两个端到端模型，直接输出正式中文书面文本，部署时不需要后处理 LLM。
2. 构建 WenetSpeech-Formal 与 Speechio-Formal 两个口语到正式文本数据集，方法为 LLM 改写加质量过滤。
3. 作者报告相对逐字转写基线 CER 最高相对降低 37.4%，ROUGE-L 与 BERTScore 同时提升。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。