Trracy-CSDN博客

原创李宏毅HLP笔记(二): End-to-End ASR Model (CTC,RNN-T)

CTC: Connectionist Temporal Classification [Graves et al., ICML'06]首先为了实现online的效果，CTC的encoder RNN 是单向的。CTC的特点是它的token space引入了一个新的值(null)。原因是每一帧的声学特征往往所占的时间非常短，甚至远小于一个phoneme的长度，因此根据它输出的东西往往不能代表什么。就是用来代表那些无法单独识别的feature。具体地，和一般的seq2seq模型一样，enc...

2022-03-26 15:49:23 4135

原创李宏毅HLP笔记(一): End-to-End ASR Model (LAS)

LAS: Listen, Attend and Spell [Chorowski et al., NIPS'15]基于Attention机制的end-to-end语音识别模型模型介绍Listen (Encoder):模型第一部分叫做Listener, 其input为常见的声学特征序列(mfcc/filterbank), output为经过提取后的高阶声学特征序列h = (h1,h2,h3,...)。具体可以用各种RNN模型来实现。比如Pyramid RNN每几个timestep的...

2022-03-26 01:05:33 3736 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 李宏毅HLP笔记(二): End-to-End ASR Model (CTC,RNN-T)

原创 李宏毅HLP笔记(一): End-to-End ASR Model (LAS)

空空如也

空空如也

原创李宏毅HLP笔记(二): End-to-End ASR Model (CTC,RNN-T)

原创李宏毅HLP笔记(一): End-to-End ASR Model (LAS)