实体
RNN-T
RNN-T
PulseAugur coverage of RNN-T — every cluster mentioning RNN-T across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Flash RNN-T 提升了 NVIDIA H100 上的语音识别效率
研究人员开发了 Flash RNN-T，这是一种用于计算循环神经网络换能器 (RNN-T) 的新实现，可显著提高语音识别任务的内存效率和吞吐量。该方法利用专用内核和可选的平铺重计算来减少内存占用并提高处理速度，尤其是在 NVIDIA H100 等高性能硬件上。与现有基线相比，Flash RNN-T 在吞吐量和内存节省方面均取得了显著的进步，能够处理否则会超出内存容量的更长工作负载。
-
ASR幻觉与Conformer-Large模型中的最终编码器阶段相关
研究人员在Conformer-Large自动语音识别（ASR）模型中确定了一个关键边界，在这个边界处会出现幻觉，即与音频无关的流畅文本。通过在降级条件下研究两个独立训练的模型（一个CTC和一个RNN-T），他们发现绕过最终编码器阶段会持续导致模型发散并产生幻觉的可能性。这个阶段是表示变得更紧凑，文本可被解码器读取的地方，这表明了接地识别失败的机制性先决条件。
-
英伟达 Nemotron 3.5 在新研究中适配肯尼亚语言
研究人员详细介绍了将英伟达 Nemotron 3.5 语音识别模型适配到三种肯尼亚语言：基库尤语、多洛语和卡伦金语的过程。该研究侧重于数据中心适配，解决了拼写不一致和数据不平衡等挑战。虽然选定的基库尤语和多洛语模型在内部评估集上取得了有希望的词错误率 (WER) 和字符错误率 (CER)，但卡伦金语仍处于开发阶段。这项工作详细说明了在不影响流式传输能力的情况下，对多语言流式模型进行特定语言微调的过程。