音声認識のための復号器効率を改善するためのコンフォーマへのコネクショニスト時間要約の追加【JST・京大機械翻訳】

Wang Nick J. C.; Quan Zongfeng; Wang Shaojun; Xiao Jing

プレプリント

J-GLOBAL ID：202202220562982722 整理番号：22P0328311

音声認識のための復号器効率を改善するためのコンフォーマへのコネクショニスト時間要約の追加【JST・京大機械翻訳】

Adding Connectionist Temporal Summarization into Conformer to Improve Its Decoder Efficiency For Speech Recognition

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 (4件)： , , ,
資料名：
発行年： 2022年04月08日プレプリントサーバーでの情報更新日： 2022年04月08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)

コンフォーマーモデルは,接続主義時間分類(CTC)のハイブリッド損失を効果的に利用し,訓練モデルパラメータに注意する音声認識モデリングのための優れたアーキテクチャである。コンフォーマの復号化効率を改善するために,符号器により生成された音響シーケンスから供給される注意復号器に必要なフレームの数を低減する新しい接続主義時間要約(CTS)法を提案した。しかしながら,そのような復号化改善を達成するためには,交差注意観測が変化し,従って対応する精密化を必要とするので,モデルパラメータを微調整しなければならない。著者らの最終実験は,4のビーム幅で,LibriSpeechの復号化予算が20%まで低減でき,FluentSpeechデータに対して,ASR精度を失うことなく11%まで低減できることを示した。精度の向上は,LibriSpeech”テスト-他の”セットでも見られた。単語誤り率(WER)は,ビーム幅1で6%,ビーム幅4で3%減少した。【JST・京大機械翻訳】

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

パターン認識

前のページに戻る