【笔记】DLHLP - 李宏毅 - 3 - 语音识别 - Part 2 LAS
语音识别模型： 语音识别模型主要分为两种，一种是基于seq2seq的，一种是基于HMM的。 seq2seq的模型主要有LAS，CTC，RNN-T，Neural Transducer，MoChA。 本节讲最流行的LAS，就是Listen，Atten，and Spell，典型 ...
原文：【笔记】DLHLP - 李宏毅 - 4 - 语音识别 - Part 3 CTC, RNN-T and more
Connectionist Temporal Classification CTC CTC可以用于线上实时地语音识别，编码器用的是单向的RNN，解码是用MLP来预测文字分布。 编码器将语音输入 x i 编码成 h i ，MLP再对它乘上一个权重，接上Softmax，得到词表V大小的概率分布。 但有时候当前的语音输入可能并不能对应实际的文本token，所以预测要额外多一个为空的类别，表示模型不知道要 ...
2020-07-08 15:28 0 656 推荐指数：
相关推荐
语音识别：从 WaveNet 到 Tacotron，再到 RNN-T
从 WaveNet 到 Tacotron，再到 RNN-T 谷歌再获语音识别新进展：利用序列转导来实现多人语音识别和说话人分类 雷锋网 AI 科技评论按：从 WaveNet 到 Tacotron，再到 RNN-T，谷歌一直站在语音人工智能技术的最前沿。近日，他们又将多人语音识别和说话人分类问题 ...
【笔记】DLHLP - 李宏毅 - 1 - Introduction - 人类语言处理介绍
课程名称：深度学习与人类语言处理(Deep Learning for Human Language Processing) （自然语言包括文本和语音两种形式，不过自然语言处理大多时候指的是文本处理，所以这门课的名字叫人类语言处理以便区分，因为这门课语音和文本的内容是1:1的） 人类语言处理 ...
基于RNN和CTC的语音识别模型，探索语境偏移解决之道
摘要：在本文介绍的工作中，我们展示了一个基于RNN和CTC的语音识别模型，在这个模型中，基于WFST的解码能够有效地融合词典和语言模型. 本文分享自华为云社区《语境偏移如何解决？专有领域端到端ASR之路（三）》，原文作者：xiaoye0829 。 这篇文章我们介绍一个结合CTC与WFST ...
语音识别算法阅读之RNN-T-2013
： 思想： CTC对于当前时刻的输出只与当前时刻输入有关p(k|t)，而RNN-T引 ...
语音识别算法阅读之RNN-T-2018
独立性；RNN-T引入预测网络来弥补CTC这种条件独立性假设带来的问题 ...
GRU-CTC中文语音识别
目录 基于keras的中文语音识别 音频文件特征提取 文本数据处理 数据格式处理 构建模型 模型训练及解码 aishell数据转化 该项目github地址 基于keras的中文语音识别 该项目实现了GRU-CTC中文语音识别 ...
构建CTC语音识别解码网络
本文介绍 kaldi-ctc 构建 CTC[1, 2, 3, 4] 语音识别加权有限状态机(WFST)解码网络的方式。 示例相关资源 lifeiteng/codingmath/CTC-decoding-graph 构建语言模型 以 单句 “how are you ...