INTERSPEECH 2020 技术交流会笔记

主流端到端模型：

                                           Transducer                                           S2S

Attention mechanism            无                                                          有

搭建组件                               RNN或者Transformer                        RNN或者Transformer

流式                                     自然                                                     需要把全局注意力转为局部注意力

应用场景                               在线                                                      离线

 

 两大点，Transformer Transducer, Conformer Transducer

INTERSPEECH 2020 口音英语语音识别比赛：

1. 许多类型的数据增强是很有帮助的（速度变化，音频拼接，加噪音，加混响）
2. 基于注意力的encoder和CTC组合模型是主要的策略（CTC+LAS,CTC+Transformer,CTC+Conformer）
3. 语言模型（RNNLM,Transformer）
4. Wav2vec是一个很好的无监督学习框架
5. 特征用法（Fbank,X-vector,wav2vec）