qing101hua的专栏

中科院LANGUAGE-INVARIANT BOTTLENECK FEATURES FROM ADVERSARIAL END-TO-ENDACOUSTIC MODELS FOR LOW RESOURCE SPEECH RECOGNITION针对低资源语音识别的端到端对抗性声学模型的语言不变瓶颈特性本文提出了一种针对低资源语言的端到端对抗性声学模型，以学习语言不变的瓶颈特性。该多语...

苹果EXPLORING RETRAINING-FREE SPEECH RECOGNITIONFOR INTRA-SENTENTIAL CODE-SWITCHING代码转换是指句子或话语中的语言发生变化的现象，它对传统的自动语音识别系统提出了挑战。由于缺乏多语言训练数据来构建新的、特殊的多语言声学和语言模型，使得代码切换问题变得复杂。在这项工作中，我们提出一个原型研究语码转换语音识别系...

微软语言中心+JHUTOWARDS CODE-SWITCHING ASR FOR END-TO-END CTC MODELS摘要： 尽管单语和多语自动语音识别(ASR)的端到端(E2E)模型已经取得了很大的进展，但就我们目前所知，还没有对E2E模型在具有挑战性的句内码转换(CS) ASR任务方面的成功研究。在本文中，我们提出了一种利用E2E连接体时间分类(CTC)模型来实现CS ASR...