论文比较CTC与神经转录器搜索效率，指出固定小束搜索的局限。
资讯摘要
论文对CTC与神经转录器两类端到端ASR模型在不同剪枝策略和语言模型配置下的搜索空间复杂度与效率进行比较。作者报告，这些模型多数时候只需较小搜索空间，但在不确定时段假设数量会出现临时高峰；基于分数的剪枝能随模型不确定性动态调整搜索，显著降低实时因子（RTF）。结果指出固定小束搜索的局限，并给出高效搜索的实践建议。
要点速读
- 论文比较CTC与神经转录器在不同剪枝策略和LM配置下的搜索空间复杂度与效率。
- 作者报告端到端模型多数时间搜索空间小，但不确定时段假设数会出现临时高峰。
- 基于分数的剪枝可动态适配不确定性，显著降低实时因子（RTF）。
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。