任何发货过ASR产品的人都知道专有名词的痛苦：联系人名称、歌曲标题、药物名称、不知名的地名。CLAS（即Contextual Listen-Attend-Spell）是Google用于将该上下文直接注入端到端语音识别器的解决方案。CLAS不是在事后对束搜索进行偏置，而是学习了对偏置短语列表的注意机制，因此模型可以在解码时依靠用户特定的词汇表，而无需重新训练。

这篇长篇评论分解了架构、使偏置注意力对干扰因素具有鲁棒性的训练技巧，以及在现实语音助手任务上的WER改进。如果你正在构建设备上ASR、听写应用或个性化很重要的语音界面，CLAS仍然是一篇基础阅读材料，即使多年后，其想法仍在现代RNN-T和CTC上下文偏置工作中出现。如果上下文偏置在你的ASR路线图上，打开笔记本并跟随阅读。