Finstreder: Einfache und schnelle Sprachverstehens-Modellierung mit endlichen Zustands-Transduktoren unter Verwendung moderner Sprache-zu-Text-Modelle

In der Sprachverstehensaufgabe für gesprochene Sprache (Spoken Language Understanding, SLU) geht es darum, wichtige Informationen aus Audio-Befehlen zu extrahieren, beispielsweise die Absicht des Benutzers, was das System tun soll, sowie spezielle Entitäten wie Orte oder Zahlen. In diesem Artikel wird eine einfache Methode vorgestellt, um Absichten und Entitäten in endliche Zustandsübertragungsmaschinen (Finite State Transducers) einzubetten. In Kombination mit einem vortrainierten, allgemein verwendbaren Sprache-zu-Text-Modell ermöglicht diese Methode die Erstellung von SLU-Modellen ohne zusätzliche Trainingsschritte. Die Modellerstellung ist dabei äußerst schnell und dauert nur wenige Sekunden. Zudem ist das Verfahren vollständig sprachunabhängig. Anhand von Vergleichen auf verschiedenen Benchmarks wird gezeigt, dass diese Methode mehrere andere, ressourcenintensivere SLU-Ansätze übertrifft.