20 июля 2023 г., Глобальная нормализация преобразователя для потокового распознавания речи — Рогир С. ван Дален В статье предлагается метод улучшения распознавания потоковой речи с использованием модели преобразователя. Преобразователь популярен для потокового распознавания речи, но имеет математический недостаток — он ограничивает способность модели изменить свое мнение о прошлых прогнозах. Это связано с тем, что преобразователь использует локальную нормализацию (например, softmax),..

Сегодняшний пост подготовлен доктором Мехди Аллахьяри. Исходный пост вы можете найти здесь . Задумывались ли вы когда-нибудь о " Как составить резюме аудиофайла?". Примерами аудиофайлов могут быть запись встречи или эпизод подкаста, и это лишь некоторые из них. Есть два основных этапа, которые показаны на диаграмме ниже: Автоматическое распознавание речи. На этом шаге создается расшифровка или текстовая версия аудиофайла. Модель суммирования. Он суммирует стенограмму с..

Выводы половины оценочных заданий сомнительны. Главный виновник? Нормализатор текста. В сентябре OpenAI выпустила Whisper , новую многоцелевую модель распознавания речи. Он обучен на больших наборах данных, чем предыдущая работа, и особенно хорош в задачах с нулевым выстрелом, то есть задачах, для которых он не был обучен. Исследовательская работа , выпущенная (но не рецензируемая) по модели, описывает, оценивает и…