Jan, 2024

基于公共语音识别语料训练的仅解码器模型的极限探索

TL;DR本文研究了使用公共英语ASR语料库训练仅解码器模型(DOTA)相比于基于编码器-解码器的开源复制模型(OWSM)和Whisper的大型语言模型(Whisper large-v3),在几乎所有英语ASR基准测试集上取得更好的性能,并在15个测试集中的7个上超过了Whisper。我们在宽松许可下发布了我们的代码库和模型检查点。