语音识别中的置信度分数是什么意思？答案

【问题标题】：What do confidence scores mean in speech recognition?语音识别中的置信度分数是什么意思？
【发布时间】：2020-04-20 20:41:18
【问题描述】：

许多语音转文本服务（例如 Google 的）都提供了置信度分数。至少对于 Google 而言，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，置信度越高的结果有时排名越低。

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minimum Bayes risk 的引用，但即使他们正在这样做，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。

【问题讨论】：

【解决方案1】：

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。您可以在

中查看一些理论

言语置信度的校准认出 Dong Yu, Senior Member, IEEE, Jinyu Li, Member, IEEE, Li Deng, Fellow, IE https://www.microsoft.com/en-us/research/wp-content/uploads/2011/01/ConfidenceCalibration.pdf

在语音识别社区中是否存在公认的“置信度分数”的含义？

并非如此，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

【讨论】：