【筆記】DLHLP - 李宏毅 - 3 - 語音識別 - Part 2 LAS
語音識別模型： 語音識別模型主要分為兩種，一種是基於seq2seq的，一種是基於HMM的。 seq2seq的模型主要有LAS，CTC，RNN-T，Neural Transducer，MoChA。 本節講最流行的LAS，就是Listen，Atten，and Spell，典型 ...
原文：【筆記】DLHLP - 李宏毅 - 4 - 語音識別 - Part 3 CTC, RNN-T and more
Connectionist Temporal Classification CTC CTC可以用於線上實時地語音識別，編碼器用的是單向的RNN，解碼是用MLP來預測文字分布。 編碼器將語音輸入 x i 編碼成 h i ，MLP再對它乘上一個權重，接上Softmax，得到詞表V大小的概率分布。 但有時候當前的語音輸入可能並不能對應實際的文本token，所以預測要額外多一個為空的類別，表示模型不知道要 ...
2020-07-08 15:28 0 656 推薦指數：
相關推薦
語音識別：從 WaveNet 到 Tacotron，再到 RNN-T
從 WaveNet 到 Tacotron，再到 RNN-T 谷歌再獲語音識別新進展：利用序列轉導來實現多人語音識別和說話人分類 雷鋒網 AI 科技評論按：從 WaveNet 到 Tacotron，再到 RNN-T，谷歌一直站在語音人工智能技術的最前沿。近日，他們又將多人語音識別和說話人分類問題 ...
【筆記】DLHLP - 李宏毅 - 1 - Introduction - 人類語言處理介紹
課程名稱：深度學習與人類語言處理(Deep Learning for Human Language Processing) （自然語言包括文本和語音兩種形式，不過自然語言處理大多時候指的是文本處理，所以這門課的名字叫人類語言處理以便區分，因為這門課語音和文本的內容是1:1的） 人類語言處理 ...
基於RNN和CTC的語音識別模型，探索語境偏移解決之道
摘要：在本文介紹的工作中，我們展示了一個基於RNN和CTC的語音識別模型，在這個模型中，基於WFST的解碼能夠有效地融合詞典和語言模型. 本文分享自華為雲社區《語境偏移如何解決？專有領域端到端ASR之路（三）》，原文作者：xiaoye0829 。 這篇文章我們介紹一個結合CTC與WFST ...
語音識別算法閱讀之RNN-T-2013
： 思想： CTC對於當前時刻的輸出只與當前時刻輸入有關p(k|t)，而RNN-T引 ...
語音識別算法閱讀之RNN-T-2018
獨立性；RNN-T引入預測網絡來彌補CTC這種條件獨立性假設帶來的問題 ...
GRU-CTC中文語音識別
目錄 基於keras的中文語音識別 音頻文件特征提取 文本數據處理 數據格式處理 構建模型 模型訓練及解碼 aishell數據轉化 該項目github地址 基於keras的中文語音識別 該項目實現了GRU-CTC中文語音識別 ...
構建CTC語音識別解碼網絡
本文介紹 kaldi-ctc 構建 CTC[1, 2, 3, 4] 語音識別加權有限狀態機(WFST)解碼網絡的方式。 示例相關資源 lifeiteng/codingmath/CTC-decoding-graph 構建語言模型 以 單句 “how are you ...