音声表現学習のための離散潜在変数モデルの比較【JST・京大機械翻訳】

Zhou Henry; Baevski Alexei; Auli Michael

プレプリント

J-GLOBAL ID：202202200725047537 整理番号：22P0204398

音声表現学習のための離散潜在変数モデルの比較【JST・京大機械翻訳】

A Comparison of Discrete Latent Variable Models for Speech Representation Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年10月23日プレプリントサーバーでの情報更新日： 2020年10月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

神経潜在変数モデルは音声オーディオデータにおける興味深い構造の発見を可能にする。本論文では,将来の時間ステップの予測あるいは入力信号の自動符号化に基づく2つの異なる手法の比較を示した。本研究では,サブワード単位発見と音素認識性能に関して,vq-vaeとvq-wav2vecにより学習された表現を比較した。結果は,vq-wav2vecによる将来の時間ステップ予測がより良い性能を達成することを示した。最良システムは,ゼロSpeech2019ABX音素識別チャレンジに関して13.22の誤り率を達成した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る