热门标签
热门文章
- 1网站后端管理和构建java项目的工具-Maven
- 2人工智能皇冠上的明珠：自然语言处理简介和入门
- 32024年硬核，288页Python核心知识笔记（附思维导图，强烈推荐收藏），2024年最新字节跳动测试开发面经_字节 288页python编程文档
- 4推荐使用：Flutter 多选组件库 —— Multi Select Flutter
- 5微软游戏收入超过 Windows；ChatGPT 被曝泄露私密对话；阿里达摩院于上海成立新公司 | 极客头条...
- 6深入理解Prompt工程
- 7PyCharm注册
- 8git-提交代码等命令基本操作，本地项目如何提交到远程github，修改用户名密码_git 提交
- 9我们无法验证创建此文件的人员。是否确定要运行此文件？_我们无法确认是谁创建了此文件 是否确认打开
- 10Mamba2-minimal(mamba2最简实现)的使用与若干问题解决办法_mamba2 代码解析
当前位置: article > 正文
语音识别：经典模型【LAS、CTC，RNA，RNN-T、Neural Transducer，MoChA】_语音识别 rnn-t
作者：运维做开发 | 2024-08-02 21:38:45
赞
踩
语音识别 rnn-t
语音模型：即将 sound 转为 text。
Text： a sequence of Token 长度：N，总种类数量：V
Sound： vectors sequence 长度：T，维度：d
RNN Transducer（RNN-T）
RNA 再改动改动就能成为 RNN-T。
- 考虑一个问题，我们是否能将一个 vector map 识别为一串 token ？比如说听到了 “/θ/、/ð/”，识别为 th
- RNN-T 就可以这样，RNA是只输入一个 vector，输出一个 token，而 RNN-T 却可以在同一个 vector 上一直输出 token，直到model觉得满意为止（可以以 ∅ 为号来作为结束标志）
比如下面这个例子：
- 这里，每一个 ∅ 都代表一
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/运维做开发/article/detail/920045
推荐阅读
相关标签
