ctc | BriefGPT - AI 论文速递

关键词ctc

搜索结果 - 15

UniEnc-CASSNAT：一种仅编码器非自回归式语音 SSL 模型的 ASR
提出了一种新的基于编码器的非自回归自动语音识别 (UniEnc-CASSNAT) 模型，将 CTC 和 CASS-NAT 的优势相结合，取得了最先进的非自回归自动语音识别结果，并且比只有编码器的 CASS-NAT 模型具有更少的模型参数。
PDF5 months ago
面向在线手语识别和翻译
填补聋人与听人之间沟通鸿沟的目标是手语识别。以往的研究使用了已经成熟的 CTC 模型进行训练，而本文则是首次尝试使用滑动窗口方法实现手语的在线识别。
PDF6 months ago
高效基于 Conformer 的端到端语音识别关键帧机制
我们提出了一种使用关键帧的自注意力机制和下采样机制的方法，能够降低 Conformer 模型中自注意力机制的计算复杂度，并取得与基准模型相当或更高的性能。同时，我们的方法在模型训练和推断过程中，可以丢弃超过 60% 的无用帧，从而显著加速推
PDF8 months ago
基于预训练 ASR 模型的低资源语音转文本翻译策略
本文提出了改进低资源语音转文本翻译性能的技术和发现，实验结果显示多语言自动语音识别系统在低资源场景下作为良好的初始化，CTC 作为额外的目标有助于重新排序内部表示并提高最终翻译。通过实验，确定了对改进低资源设置最有贡献的各种因素（初始化、目
PDFa year ago
遮盖偏见：通过内部语言模型估计改善基于 CTC 的语音识别在不同领域间的泛化
提出了一种新型的用于 CTC-Based ASR 模型的内部语言模型估计技术，该技术在多个领域的数据集上得到了验证，能通过遮盖音频时间步骤迭代地估计内部 LM 的伪对数似然，从而消除源域偏见，并且在无目标域数据的零 - shot 域自适应中
PDFa year ago
ACL探究基于 CTC 的非自回归端到端语音翻译的重新排序能力
使用连接主义时间分类（CTC）构建非自回归语音到文本翻译模型，并将基于 CTC 的自动语音识别作为辅助任务来提高性能。通过对 CTC 的重新排序能力进行分析，使用肯德尔 - 塔距离作为定量指标并提供梯度可视化，进一步探索了非自回归语音翻译的
PDF3 years ago
WeNet：面向生产的流式和非流式端到端语音识别工具包
本文提出了一种开源、生产级的语音识别工具 WeNet，采用新的两遍通行法整合流媒体和非流媒体端到端语音识别，实现了非流媒体 ASR 的相对字符误差率降低，并且具有较低的推理延迟和高的运行时效率。
PDF3 years ago
用于德语端到端语音识别的大语料 CTC 分割
本研究结合之前未标注的语音数据通过采用 CTC 预训练的两阶段方法生成训练数据，使用 CTC 和 attention Transformer 模型对德语语音识别进行训练，实现了 12.8％的识别错误率，超过了传统混合 DNN / HMM A
PDF4 years ago
具有潜在对齐的非自回归机器翻译
本文提出了两种强有力的方法，CTC 和 Imputer，用于非自回归机器翻译，模拟了动态规划中的潜在对齐。我们重新审视了 CTC 和 Imputer 模型，并证明了一个简单的 CTC 模型可以实现单步非自回归机器翻译的最新成果，与之前的工作
PDF4 years ago
AAAIGTC: 基于 CTC 的引导训练技术提高场景文本识别的准确率和效率
本文提出了一种基于引导训练的 CTC 模型，在保持快速推断速度的同时，从更强大的注意力引导中学习更好的对齐和特征表示，进而实现对正常和非正常场景文本的精确识别。此外，还引入了图卷积网络（GCN）来学习提取特征的局部相关性，并在标准基准测试中
PDF4 years ago
具有门控卷积神经网络的基于字母的语音识别
本研究提出了一种基于 ConvNet 和 CTC（或 ASG）的字母语音模型，实现了与 WSJ 中最佳字母系统的匹配，并在 LibriSpeech 上展现了近乎最先进的表现。
PDF7 years ago
医疗对话语音识别
本文介绍了使用 CTC 和 LAS 系统，运用多种配准方法，构建自动语音识别模型来转录医生和患者之间的谈话，并提供了对其表现的详细分析。我们的分析表明，在重要的医疗话语上，语音识别模型表现良好，而在非正式对话中存在误差。
PDF7 years ago
基于 CTC 和分段 CRF 的语音识别多任务学习
本研究中，我们使用相同的递归神经网络编码器对 SCRF 和 CTC 方法进行多任务学习，优化它们的插值损失值，发现这样的学习目标可以显著提高识别准确度，并且还表明 CTC 方法可以用于预训练 RNN 编码器，这有助于提高学习联合模型的收敛速
PDF7 years ago
基于循环神经网络的逐字递增语音识别
本文提出了一种基于 RNN 的字符级增量语音识别系统，使用 CTC 进行端到端训练，在短时间内响应语音输入，通过基于树的在线 Beam Search 算法实现字级别的识别，该系统不仅能够响应不断输入的语音，还能根据发音来发音对语音的字词进行
PDF8 years ago
闭合时间曲线使量子计算和经典计算等效
该研究说明若闭合时间类曲线存在，那么量子计算机和经典计算机的计算能力相同，都属于复杂性问题类 PSPACE，并讨论了在存在闭合时间类曲线情况下的计算复杂性。
PDF16 years ago