蘋果最近推出了一項(xiàng)新的技術(shù)創(chuàng)新,去噪語言模型(DLM),通過大量合成數(shù)據(jù)的訓(xùn)練,取得了超越以往的成就,實(shí)現(xiàn)了自動(dòng)語音識別(ASR)領(lǐng)域的最新性能水平。
這項(xiàng)技術(shù)的核心在于使用文本轉(zhuǎn)語音(TTS)系統(tǒng)創(chuàng)建音頻,并將其輸入ASR系統(tǒng),通過這種方式產(chǎn)生了嘈雜的假設(shè),與原始文本進(jìn)行配對,從而訓(xùn)練DLM。該方法的關(guān)鍵要素包括升級的模型和數(shù)據(jù)、多說話人TTS系統(tǒng)、各種噪聲增強(qiáng)策略以及新的解碼技術(shù)。
研究顯示,單個(gè)DLM可以應(yīng)用于不同的ASR系統(tǒng),其性能顯著優(yōu)于傳統(tǒng)的基于語言模型(LM)的集束搜索重新評分方法。這一突破意味著精心設(shè)計(jì)的糾錯(cuò)模型可以取代傳統(tǒng)的LM,將ASR系統(tǒng)的準(zhǔn)確率提升到一個(gè)新的高度。尤其值得注意的是,DLM在LibriSpeech上實(shí)現(xiàn)了1.5%的字錯(cuò)誤率(WER),這是不使用外部音頻數(shù)據(jù)時(shí)報(bào)告的最佳數(shù)字之一,證明了其卓越性能。
然而,DLM面臨的挑戰(zhàn)之一是需要大量的監(jiān)督訓(xùn)練示例,而這在典型的ASR數(shù)據(jù)集中是有限的。為了解決這一問題,DLM采用了使用TTS系統(tǒng)生成合成音頻的方法,從而擴(kuò)展了訓(xùn)練數(shù)據(jù)集的規(guī)模。這種創(chuàng)新性的做法為DLM的性能提升提供了更廣闊的空間,使其在ASR領(lǐng)域引領(lǐng)潮流。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。