【论文笔记】Improving Transformer-based End-to-End Speech Recognition with CTC and LM Integration

本文探讨如何通过将Connectionist Temporal Classification (CTC)与Language Model (LM)集成到Transformer中,改进端到端语音识别系统的性能。研究发现,这种融合在解码阶段有助于Transformer模型的收敛,并在大规模数据集上取得更好识别效果。同时,实验结果显示,融合CTC和LM的模型相比未融合的模型表现提升。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

Improving Transformer-based End-to-End Speech Recognition with Connectionist Temporal Classification and Language Model Integration

链接

http://www.isca-speech.org/archive/Interspeech_2019/abstracts/1938.html

标签

Speech Recognition, Transformer, CTC, LM

Contributions

  • 将CTC,LM与Transformer在decoding阶段融合,实现更好的识别表现
  • 通过实验调查了融合效果在大数据集上的表现
  • 在开源项目ESPnet上实现基于Transformer的ASR toolkit

亮点与启发

文章指出,Transformer应用于ASR主要有两个问题:

  1. 相比于 RNN-based ASR,收敛速度较慢。
  2. 不易与语言模型结合

而通过与CTC在解码阶段的结合,可以加速Transformer的收敛速度。

CTC can encourage monotonic alignment between the speech and transcription. There

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值