谷歌人工智能技术可将语音识别错误率降低29
【cnmo新闻】近期,语音识别技术发展迅猛,像edgespeechnet等最先进的模型能够达到9
【cnmo新闻】近期,语音识别技术发展迅猛,像edgespeechnet等最先进的模型能够达到97%的准确率,但即使是最好的系统偶尔也会被生僻字难倒。
为了解决这个问题,谷歌和加利福尼亚大学的科学家提出了一种方法,可以利用纯文本数据训练拼写校正模型。在预印本服务器arxiv.org上发表的一篇论文《用于端到端语音识别的拼写校正模型》中,他们表示,在使用800字、960小时语言建模librispeech数据集的实验中,他们的技术显示,相对于基准,单词错误率(wer)改善了18.6%。在某些情况下,它甚至可以减少29%的错误。
语音识别
他们写道:“目标是将一个接受了文本数据培训的模块纳入端到端框架,纠正系统所犯的错误,具体来说,我们的调查使用了不成对的数据,利用文本到语音(tts)系统生成音频信号,这个过程类似于机器翻译中的反向翻译。”
正如论文作者所解释的那样,大多数自动语音识别(asr)系统要训练三个组成部分:一个学习音频信号与构成语音的语言单位之间关系的声学模型,一个为单词序列分配概率的语言模型,以及一种用于对声学帧和识别的符号进行匹配的机制。所有这三者都使用一个神经网络和转录的音频-文本对,因此,当语言模型遇到语料库中不经常出现的单词时,通常会出现性能下降。
然后,研究人员开始将上述拼写校正模型纳入asr框架,一种将输入和输出句子解码为“词组”的子词单元的模型,他们使用纯文本数据,并利用文本到语音(tts)系统生成的音频信号来训练las语音识别器,这是2017年google brain研究人员首次描述的端到端模型,然后创建一组tts对,最后,由他们来“教导”拼写纠正器纠正识别器的错误。
为了验证这个模型,研究人员训练了一个语言模型,生成一个tts数据集来训练las模型,并产生了错误假设以训练拼写校正模型,其中包含了来自librispeech数据集的4000万个文本序列。他们发现,通过纠正来自las的条目,语音校正模型生成的扩展输出的错误率“显著”降低了。
- 武汉投四千亿城建攻坚满城挖备受争议
- 桑村镇打造鲁南机械制造产业镇我的钢铁
- 从2019世环会看南方泵业的实力与态度泵业世环会
- 宝腾将携手Al
- 行业下滑明显工程机械如何挽救
- 2019年商用无人机发展趋势增速放缓但更稳定
- aerialtronicsneurala和nvidia展示aipowered无人机检测
- 谷歌人工智能技术可将语音识别错误率降低29
- 河北高压电缆保护钢管加工厂
- 广东五金饰品镀钛加工厂家
- 国产刻蚀机很棒但造芯片只是配角
- 卡特彼勒船舶完成对ESRG技术集团的收购
- 湖南实施300个省级重大项目长益常高铁或年内开工
- 湖南省充电基础设施协会成立
- 华菱汽车入围2014年安徽省百强高新技术企业
- 武国定加强机制砂石推广应用探寻滥采河砂治本之策