end-to-end speech recognition | BriefGPT

关键词end-to-end speech recognition

搜索结果 - 30

中间预测偏置增强未见词识别
基于自条件 CTC 的无适应参数方法可以通过替换中间 CTC 预测和传递纠正标签来提高对特定术语的识别准确性，实验证明该方法成功提高了未知单词的 F1 得分。
PDF12 days ago
利用语言识别计算中间 CTC 损失以增强代码交替语音识别
通过在自动语音识别模型的编码器的中间层引入语言识别信息，本文旨在以更加隐式的方式生成暗示语言区别的声学特征，降低模型在处理语言切换时的混淆。
PDF7 months ago
基于置信度的端到端语音识别模型集成
本文探索基于置信度的集成模型方法，证明 5 种单语音模型组合胜于使用专用语言识别块的模型选择，同时结合基础模型和适应模型，可在数据原始状态和目标状态下获得强大结果。
PDFa year ago
学习跨语言映射提升低资源语音识别的数据增强
利用可学习的跨语言映射和数据增强来提高低资源语言的端到端语音识别准确度。
PDFa year ago
基于改进 Conformer 模型的端到端语音识别模型与 R-Drop 结构的研究
本研究提出了一种基于 Conformer 模型和 R-drop 结构相结合的 Conformer-R 语音识别模型，可提高模型泛化能力。
PDFa year ago
Lego-Features: 为流式和研讨性语音识别导出模块式编码器特征
该研究探讨了使用模块化编码表示建立模型的编码器以及使用 Lego-Features 作为可重用的模块化特征以提高语音识别性能，同时不需要使用自动回归计算或波束搜索。
PDFa year ago
流式端到端语音识别序列转导器的最小延迟训练
本文提出了一种新的训练方法，通过明确建模和减少序列变换器模型的延迟来达到最优的延迟和准确性均衡，实验结果表明，所提出的最小延迟训练方法将有助于将哈尔滨工业大学卡苏耶延迟从 220ms 降低到 27ms，并在误识率降低了 0.7% 的同时，优
PDF2 years ago
流式语音识别的 Transformer 修正器的联合音频 / 文本训练
本研究提供了一种联合音频 / 文本训练方法，以降低配对音频 - 文本数据的代价，并减少了模型参数和延迟，同时在 Librispeech 数据库和内部数据库上显着提高了单词错误率的 Transformer Rescorer。
PDF2 years ago
基于 Wav2Vec2 和迁移学习的孟加拉语自动语音识别系统
本文旨在利用基于迁移学习框架的端到端语音识别技术，提高孟加拉语的语音识别性能，并在使用仅 1000 个训练样本进行训练的情况下，在测试数据集上实现了 3.819 的 Levenshtein Mean Distance 得分。
PDF2 years ago
基于后验分布适应的混合 CTC / 注意力系统的端到端上下文 ASR
该研究针对 End-to-end 语音识别模型在识别罕见专有名词上性能较差的问题，提出了一种基于上下文偏置注意力的改进方案。该方案通过在注意力编码器解码器模型中添加上下文偏置注意力模块，使模型有能力识别上下文短语。在 GigaSpeech
PDF2 years ago
大型预训练语言模型向端到端语音识别器的知识转移
本文提出了一种方法，通过从大规模语言模型的嵌入向量获取语义知识来缓解需要耗费大量成本的转录训练的问题，并扩展了注意力机制的解码器和神经音响模式的解码器，以实现错误率的降低。
PDF2 years ago
使用统一的语音与文本编码器 - 解码器来改善 ASR
本研究利用外部文本数据提高自动语音识别的性能，探讨了一种方法，在共享解码器和编码器部分的集合中，联合训练自动语音识别和掩码语言模型。经实验验证，该方法在测试中取得了非常好的效果，耗时不增加。
PDF2 years ago
面向端到端语音识别的神经 FST 类语言模型
提出了一种新方法 -- 神经 - FST 级语言模型（NFCLM），它将神经网络语言模型（NNLM）和有限状态转换器（FST）结合起来用于端到端语音识别，这种方法通过背景 NNLM 模拟通用背景文本和称为 FST 的一系列特定领域实体。
PDF2 years ago
基于文本的 RNN-Transducer 预测网络快速领域自适应
本文研究了如何使用少量文本数据来有效地将 RNN-transducer 模型适应于新的领域，同时保持较好的泛化能力，避免了复杂的解码和外部语言模型需要。同时，本文表明该方法在目标任务的 ASR 评估中可以提供相对增益 10-45% 的性能提
PDF3 years ago
基于 Trie 深度偏置和浅层融合的上下文流式端到端语音识别
提出了一种结合浅层融合、字典树和神经网络语言模型的方法，来利用动态的上下文信息，相比于已有的上下文偏置方法，这种方法最终的系统轻量且模块化，可以实现快速修改而无需重新训练，同时在开放域和约束化环境下都取得了显著的词错误率优化，特别是对于那些
PDF3 years ago
语音识别统一流式和非流式两遍端到端模型
本文提出了一种新颖的两步方法，用于将流式和非流式端到端（E2E）语音识别统一到单个模型中，该模型采用混合 CTC /attention 架构，在编码器的 conformer 层进行修改，并且在推理时，CTC 解码器以流式方式生成 n 个最佳
PDF4 years ago
基于 Transformer-RNN-Transducer 的多任务学习和联合优化语音识别
本论文探讨了 transformer-RNN-transducer 系统的多任务学习、联合优化和联合解码方法，证明了这些方法能够有效地降低字词错误率，从而保持大型文本语料库的信息。
PDF4 years ago
端到端语音识别和修正发语障
探索使用端到端语音识别模型直接将混杂的语音转化为流畅的转录文本的可能性，并且我们提出了两个新的度量标准来评估集成 ASR 和无流畅度模型的性能，该论文的发现可以作为未来关于端到端语音识别和无流畅度处理任务的研究的基准。
PDF4 years ago
基于 Transformer 的端到端语音识别中简化的自注意力机制
本文提出了一种简化的自我注意力（SSAN）层，用于 Transformer 模型的端到端语音识别任务中，以降低模型复杂度和维护良好性能，并在公共 AISHELL-1、内部 1000 小时和 20000 小时大规模普通话任务上评估了 SSAN
PDF4 years ago
序列建模：基于插补和动态规划的模型
本文提出 Imputer，一种神经序列模型，通过插值迭代地生成输出序列。Imputer 是一种迭代生成模型，只需要恒定数量的生成步骤，与输入或输出标记的数量无关。Imputer 可以被训练成近似边际化输入和输出序列之间所有可能的对齐和所有可
PDF4 years ago