librispeech | BriefGPT - AI 论文速递

关键词librispeech

搜索结果 - 14

一种在端到端 ASR 系统中修复分词器词汇大小的成本最小化方法
通过在 LibriSpeech 100 小时数据集上的实验证明，当仔细选择标记数量时，端到端 ASR 系统的性能会有所提升。
PDF2 months ago
大词汇量本地 ASR 的双向学习
通过对一种在 conformer 模型上的 unsupervised 的 dual learning 方法的实验，取得了相对于之前模型的 10.7%/5.2%(没有 LM) 和 11.7%/16.4%(有 LM) 的 WER 提升，该方法对
PDFa year ago
70 种语言的大规模多语音识别：分词、架构、泛化能力
本文研究了 70 种语言的大规模多语种 ASR 模型，并通过优化多重嵌入和输出模型的标记化策略，相对于单一语种模型，实现了 13.9%-15.6% 的平均 WER 改进，并展示了其泛化性和零样本学习能力在 Multilingual Libr
PDF2 years ago
语音识别神经转换器的高效训练
本文提出一个高效的 3 阶段渐进训练管道，能够快速利用有限的计算资源训练出接近最新成果性能的转录模型，证明了每个阶段的有效性，并在 Librispeech 和 Switchboard 训练语料库上进行了实验证明。
PDF2 years ago
用于多说话人端到端 ASR 的扩展图时序分类
使用基于图的时间分类（GTC）损失的通用形式来改善自动语音识别系统的性能，本研究提出了一个可以应用于更广泛任务的基于神经网络表示标签和标签转移的扩展 GTC（GTC-e），并使用其来完成多说话人语音识别任务，最终得到了很有前景、接近任务经典
PDF2 years ago
ICML随机投影量化器的自监督学习用于语音识别
论文介绍了一种针对语音识别的自监督学习方法，通过使用随机投影量化器生成离散标签，从而学习模型预测被屏蔽掉的语音信号，并在不更新随机初始化矩阵和码本的情况下实现。通过实验，该方法在 LibriSpeech 上取得了与自监督非流式模型相似的字错
PDF2 years ago
层级条件端到端 ASR：CTC 和多粒度次词单元
本文提出了一种基于连接主义时间分类（CTC）的分层条件模型，通过在中间层应用辅助 CTC 损失，逐渐增加每个目标子单词序列的词汇量，并使每个级别的序列预测明确地以前一个级别的预测为条件，希望通过利用语言结构的层次结构有效地学习单词级表示，在
PDF3 years ago
面向端到端情境语音识别的基于树约束的指针生成器
提出了一种新的树约束指针生成（TCPGen）组件，以神经符号的方式将偏差性词汇列表融入到基于注意的编码器 - 解码器和跨度端到端自动语音识别模型中。在 Librispeech 语料库上进行了训练和评估，实验结果表明，TCPGen 相对于基线
PDF3 years ago
基于流式递归神经网络转录器的神经语言模型融合改进
本文提出了一种扩展技术，使 RNN-T 能够利用外部神经网络语言模型（NNLM），从而增强了 Librispeech 上 13-18％的相对词错误率，同时保持了系统的流畅性，灵活性和轻量性。
PDF4 years ago
提高噪声学生训练用于自动语音识别
本文研究了在自动语音识别中使用自适应 SpecAugment 的噪声自适应训练方法，通过过滤、平衡和增强数据集，成功地提高了网络性能，使 WER 在 LibriSpeech 测试集上分别为 4.2％/8.6％（无噪声 / 有噪声），并在 L
PDF4 years ago
Jasper: 一种端到端卷积神经声学模型
本文提出一种仅使用 1D 卷积、批量归一化、ReLU、dropout 和残差连接的端到端语音识别模型 Jasper，结合新的层次优化器 NovoGrad，实现更好的训练和更高的准确率，最先进的 Jasper 变体使用 54 个卷积层，基于
PDF5 years ago
时域深度可分卷积的序列对序列语音识别
使用时间 - 深度可分离卷积块、卷积语言模型以及有效的 beam 搜索方法，相对于先前的序列到序列结果，在 LibriSpeech 测试集中语音识别效果提高了 22%。
PDF5 years ago
使用合成语音增强训练神经语音识别系统
利用 LibriSpeech 数据集，将合成语音与自然语音数据集相结合，使用神经网络训练的端到端自动语音识别模型达到了最新的状态，极大地推动了自动语音识别技术的进步。
PDF6 years ago
使用法语翻译扩充 Librispeech：一种用于直接语音翻译评估的多模态语料库
本文介绍了使用 LibriSpeech 增强现有单语语料库的方法，建立起一种包含源语言中的语音与目标语言中的文本的大型开放式平行语料库，并给出了相应的处理细节和手动评估结果，该平行语料库可以用于直接语音翻译或其他口语翻译实验。
PDF6 years ago