librispeech corpus | BriefGPT

关键词librispeech corpus

搜索结果 - 10

连接语音编码器和大型语言模型的全面解决方案用于语音识别
本文提出了一个综合解决方案，包括更加细致的微调方案、匹配损失用于增强模态对齐、以及训练和推理方法来减少插入错误，实验证明部分微调语音编码器和语言模型，以及使用诸如 LoRA 的参数高效方法是最具成本效益的方法，匹配损失能够提升模态对齐，而所
PDF9 days ago
具上下文的端到端自动语音识别及中间偏置损失
提出了一种在编码器中使用显式偏置损失作为辅助任务的方法，以更好地将文本令牌或音频帧与预期目标对齐，并通过使用 RNN-transducer 驱动的联合解码来进一步降低无偏差的单词错误率（U-WER），从而实现更强大的网络。
PDF11 days ago
TacoLM：具有门控注意力的编解码语言模型是高效的零 - shot 文本转语音合成器
通过引入 TacoLM，一种新型神经编解码语言模型，改进了训练和推理效率，降低模型规模，并通过在每个解码器层引入额外的门控交叉注意力层，提高合成语音的效率和内容准确性。在 Librispeech 资料库的评估中，TacoLM 比 VALL-
PDF12 days ago
自适应两阶段知识蒸馏缩小流式转导 ASR 和非流式转导 ASR 之间的差距
本文提出了一种自适应两阶段知识蒸馏方法，其中包括隐藏层学习和输出层学习，以缩小流式语音识别中流式和非流式转导模型的性能差距，并在 LibriSpeech 语料库中相比原始流式模型获得了 19% 的相对降低的词错误率和对第一个令牌的更快响应。
PDFa year ago
自我偏置的自监督学习用于 ASR
本文提出了通过微调模型来引导自监督方法学习特定任务的方法，并提出了 MPPT 的变体，可以用于低存储占用的流式模型。这些方法在 Librispeech 语料库上进行的自动语音识别实验中取得了显著的性能提高。
PDF2 years ago
基于双向注意力的语音文本多模态训练，提高语音识别能力
采用双向注意力机制的多模态学习方法，能够有效地提升语音表示的语言信息，增强文本的语音表示，从而使共享的 ASR 模型更适用于无配对的文本数据预训练，仅使用配对数据学习时，单词错误率减少了 6.15％，使用更多无配对文本数据时，错误率减少了
PDF2 years ago
EMNLPRED-ACE: 使用置信度嵌入的 ASR 鲁棒性错误检测
该研究提出了一种基于自动语音识别 (ASR) 系统的置信得分，改善 ASR 误差检测 (AED) 模型的性能，并证明了这种置信得分的补充作用以及 ASR Confidence Embedding 的有效性和鲁棒性，并发布了一个包含有标记的
PDF2 years ago
Transformer-Transducer: 自注意力端到端语音识别
本文研究了使用 Transformer 网络来实现端到端语音识别，提出使用 VGGNet 结合因果卷积来降低计算复杂度，同时使用截断的自注意力机制来实现流式处理。在公共数据集 LibriSpeech 上进行实验，该方法相比于基于 LSTM/
PDF5 years ago
端到端语音识别的自训练
本文探讨了自我训练在端到端语音识别中的应用，并展示给出了使用伪标签训练深度学习模型的方法，经过实验证明了该方法可以大幅提高基准模型的准确率，通过使用语音和语言模型生成伪标签和一些序列到序列模型的过滤机制，并采用新颖的集成方法提高伪标签的多样
PDF5 years ago
利用双向语言模型进行有效的语句评分方法，用于语音识别
本文提出了一种考虑 biLM 过去和未来单词之间交互的句子得分方法，在对 N 个最佳列表重新评分时，biLM 显著优于 uniLM，特别是在识别的句子很短或错识单词位于句子开头时。
PDF5 years ago