Conformer多年来一直是ASR编码器的标杆，但Branchformer及其后续产品E-Branchformer有力地论证了顺序卷积加注意力并不是唯一的路径。本综述将两篇论文紧密结合：Branchformer的并行双分支设计（自注意力用于全局上下文，cgMLP用于局部依赖）和E-Branchformer的增强合并策略，使LibriSpeech test-clean和test-other的WER达到1.81%和3.65%，无需外部数据。

本演示详解了为什么并行化局部和全局建模能给你可解释性的优势（合并权重从字面上告诉你每一层如何平衡这两者），来自单一训练模型的可变推理复杂性，以及相对于Conformer的更好或相当的精度。注意13:40处指出的勘误：这是一个门控操作，而不是ResNet连接。E-Branchformer在此基础上，通过优化两个分支如何融合并堆叠额外的逐点模块来获得那些最先进的LibriSpeech WER。如果你正在为下一个ASR或SLU系统选择编码器，或者只是想了解Transformer系列语音模型在Conformer之后的发展方向，这个并列对比在一次观看中提供了相当于五篇模型卡片级别的背景深度。