librispeech dataset | BriefGPT

关键词librispeech dataset

搜索结果 - 7

一个实验研究：评估 WavLM 和 BEST-RQ 的组合框架在文本到语音合成中的应用
我们提出了一种新的适用于文本到语音（TTS）模型的模型架构，将预训练的自监督学习（SSL）语音模型 WavLM 与简单的 BEST-RQ 向量量化框架相结合，通过在 LibriSpeech 数据集上的 SUPERB 基准测试实验证明，该模型
PDF7 months ago
利用最近邻对比学习生成语音序列嵌入
我们介绍了一个基于自监督的音频表示的简单神经编码器架构，该架构可以使用无监督对比学习目标进行训练，并通过 k - 最近邻搜索获得它的正样本，从而可以在多个语言中应用，可用于随机语音序列的按示例查询和口头术语的发现，实验证明该方法在五种语言上
PDF2 years ago
优化中间结果提升 CTC 推导效果
本文提出了一种使用搜索的中间结果和多次条件的改进 CTC 推断方法，通过提出新的条件方法，如搜索中间结果和多次通过条件，使得 CTC 推断中的条件能力更强，相对于原本的自我条件的 CTC，在 LibriSpeech 数据集上测试表现有明显提
PDF2 years ago
高效的构象器：渐进式下采样和分组注意力用于自动语音识别
本文介绍了如何通过引入逐渐下采样的机制和新颖的分组注意力机制将 Conformer 架构的复杂性降至与有限计算预算相适应的情况。在 LibriSpeech 数据集上进行的实验说明，该架构相比于 Conformer 速度更快，性能更好，且包含
PDF3 years ago
Conv-Transformer 转换器：低延迟、低帧率、可流式传输的端到端语音识别
本研究设计了 Conv-Transformer Transducer 架构，在 LibriSpeech 数据集上实现了较强的流式语音识别性能，该架构适用于流式 ASR，且相较于以前发布的 Transformer Transducer 和强混
PDF4 years ago
Transformer Transducer：基于 Transformer 编码器和 RNN-T Loss 的可流式语音识别模型
该论文提出了一种端到端的语音识别模型，使用 Transformer 编码器可用于流媒体语音识别系统；该模型在 LibriSpeech 数据集上进行了实验结果，结果表明限制 Transformer 层中自注意力左侧上下文对于流式解码是可行的，
PDF4 years ago
学习噪声不变表示以实现稳健语音识别
本文提出了一种建议将干净示例和其表面扰动的对应物不仅映射到相同类别，而且映射到相同表示的不变表示学习（IRL）方法，该方法通过数据扩充有效地减少字符错误率，特别是在不同于训练期间所见的若干场景上。
PDF6 years ago