研究人员开发了Earlybird,这是一种新颖的语音识别模型,通过在单词说出之前进行预测,显著降低了延迟。与在单词完成后输出的传统流式模型不同,Earlybird可以在说话者完成单词之前的90毫秒内预测出该单词,在有声读物上的预测准确率为69%。该模型拥有2900万个参数,还能为正在发音的单词提供置信度分数,并在包括Open ASR Leaderboard在内的各种测试集上优于现有模型。 AI
影响 降低语音识别延迟,为语音助手和实时应用程序提供更快的响应。
排序理由 详细介绍新模型架构和性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →