研究人员开发了一种使用非配对文本训练语音识别模型的新方法,与以前的方法相比,训练速度提高了 1.8 倍。这种称为“文本注入”的技术用一个简单的查找表替换了冻结的文本到语音(TTS)模型,该查找表使用每个音素的均值对数梅尔向量。当与外部语言模型结合时,该系统在 LibriSpeech 数据集上达到了最先进的词错误率。研究人员还公开了整个流水线的代码。 AI
影响 这种方法可以实现更快、更高效的语音识别模型训练。
排序理由 该集群包含一篇详细介绍语音识别新方法的学术论文。
- arXiv
- Hugging Face
- LibriSpeech
- log-mel
- Log-Mel Vector
- lookup table
- loqs
- phoneme
- speech recognition
- Text To Speech
- Text Injection
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →