Feb, 2024
OWSM-CTC:一种用于语音识别、翻译和语种识别的开放式编码器语音基础模型
OWSM-CTC: An Open Encoder-Only Speech Foundation Model for Speech Recognition, Translation, and Language Identification
Yifan Peng, Yui Sudo, Muhammad Shakeel, Shinji Watanabe
TL;DR基于连接主义时间分类(CTC)的新型仅编码器语音模型(OWSM-CTC)在多语言自动语音识别(ASR),语音翻译(ST)和语言识别(LID)任务上取得了有竞争力的结果,并在 ST 上提高了 25%的相对改进,在推断中更为稳健且速度更快,同时也对长形式 ASR 结果有 20 倍的加速。