★

在 ASR 自動(dòng)語音識(shí)別領(lǐng)域，基于 CTC 的聲學(xué)模型不再需要對(duì)訓(xùn)練的音頻序列和文本序列進(jìn)行強(qiáng)制對(duì)齊，實(shí)際上已經(jīng)初步具備了端到端的聲學(xué)模型建模能力。但是 CTC 模型進(jìn)行聲學(xué)建模存在著兩個(gè)嚴(yán)重的瓶頸，一是缺乏語言模型建模能力，不能整合語言模型進(jìn)行聯(lián)合優(yōu)化，二是 CTC 有一個(gè)不合理的假設(shè)：標(biāo)簽相互獨(dú)立，這個(gè)基本假設(shè)與語音識(shí)別任務(wù)之間存在著一定程度的背離，因?yàn)樵谡Z言系統(tǒng)中存在語境的上下文關(guān)系。因此針對(duì) CTC 的不足，Transducer 模型可以彌補(bǔ)這種不合理的假設(shè)，解決 CTC 的問題。在本次分享中我們將重點(diǎn)討論 Transducer 模型，并通過代碼來訓(xùn)練和評(píng)估 Transducer 模型。

本次網(wǎng)絡(luò)研討會(huì)主要面向有 NLP 和 Speech AI 開發(fā)需求的開發(fā)者。通過本次網(wǎng)絡(luò)研討會(huì)，您可以獲得以下信息：

• Transducer 介紹

• Transducer loss 的優(yōu)勢(shì)和局限

• Transducer 的模型架構(gòu)

• ContextNet 的模型架構(gòu)

• Transducer 模型的訓(xùn)練和評(píng)估

李奕澎 | NVIDIA 企業(yè)開發(fā)者社區(qū)經(jīng)理

擁有多年數(shù)據(jù)分析建模、人工智能自然語言處理開發(fā)經(jīng)驗(yàn)。在自動(dòng)語音識(shí)別、自然語言處理、語音合成等對(duì)話式 AI 技術(shù)領(lǐng)域有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)與見解。曾開發(fā)法律、金融、保險(xiǎn)文檔中基于實(shí)體抽取的智能問答系統(tǒng)，曾開發(fā)基于 NLP 知識(shí)抽取，KG 知識(shí)圖譜的建立的科研文檔智能檢索系統(tǒng)。

識(shí)別二維碼注冊(cè)本次研討會(huì)

識(shí)別二維碼了解 NVIDIA NeMo 更多信息