جاسبر وكوارتز نت ASR
Jasper وQuartzNet هما نموذجان متكاملان للتعرف على الكلام من NVIDIA، مع كون QuartzNet عبارة عن إعادة تصميم أصغر بكثير وفعالة لـ Jasper.
نظرة عامة
They matter for showing how to get strong accuracy with far fewer parameters, ideal for deployment.
الغوص العميق
Jasper (مجرد أداة التعرف على الكلام الأخرى)، التي أصدرتها NVIDIA في عام 2019، عبارة عن شبكة تلافيفية عميقة أحادية الأبعاد، تصل إلى 54 طبقة، تقوم بتعيين ميزات mel-spectrogram للأحرف التي تستخدم فقدان CTC. لقد أدخلت اتصالات متبقية كثيفة بحيث تتدفق التدرجات بشكل نظيف عبر أكوام عميقة جدًا. احتفظت شركة QuartzNet، التي تم إصدارها في نفس العام، ببنية كتلة جاسبر ولكنها استبدلت التلافيف القياسية بالتفافات قابلة للفصل للقناة الزمنية، مما أدى إلى تقسيم كل مرشح إلى تلافيف زمني عميق وخطوة خلط قناة نقطية. أدى هذا التحليل إلى خفض المعلمات من 333 مليونًا تقريبًا لـ Jasper إلى حوالي 19 مليونًا مع مطابقة الدقة في Librispeech. يتم شحن كلاهما في مجموعة أدوات NeMo من NVIDIA وتم ضبطهما للتدريب السريع على وحدة معالجة الرسومات والاستدلال في الوقت الفعلي، مما يجعلهما لبنات بناء شائعة لإنتاج ASR.
البصيرة الفنية
تأتي كفاءة QuartzNet من التلافيف القابلة للفصل بين القنوات الزمنية، وهي نفس الفكرة وراء MobileNet. يمزج الالتواء العادي ثنائي الأبعاد الوقت والقنوات معًا، مما يكلف K مرات C-in مضروبًا في أوزان C-out. يؤدي فصلها إلى التفاف نقطي مع مرور الوقت بالإضافة إلى التفاف نقطي 1x1 عبر القنوات إلى تقليل المعلمات إلى K مرات C بالإضافة إلى C-in مرات C-out. مكدسة في كتل متبقية ومدربة باستخدام CTC، وهذا يعطي دقة قريبة من جاسبر بجزء صغير من حجم النموذج والحوسبة.
التأثير الاستراتيجي
الوصول والوصول
يعمل على تحسين إمكانية الوصول من خلال واجهات النسخ والسرد والصوت.
التكلفة والميزانية
يمكن للفرق الإعلامية شحن الصوت المصقول بشكل أسرع بميزانيات أصغر.
السرعة والحجم
يمكن للأنظمة التي تواجه العملاء معالجة التفاعلات المنطوقة على نطاق أوسع.
مستقبل جاسبر وQuartzNet ASR
أدت سلسلة الالتواء القابلة للفصل الخاصة بـ QuartzNet مباشرة إلى نموذج Citrinet من NVIDIA ونماذج Conformer المستخدمة على نطاق واسع، والتي تضيف اهتمامًا ذاتيًا لالتقاط السياق العالمي جنبًا إلى جنب مع الالتفافات المحلية. توقع استمرار الحركة نحو البنى الهجينة ذات الإلتواء الزائد والاهتمام وأجهزة فك ترميز محول الطاقة (RNN-T) للبث. يظل الدرس الأساسي، وهو الالتفافات ذات الكفاءة المعلمية للنشر في الوقت الفعلي والحافة، أساسيًا مع تقدم ASR في الهواتف والسيارات والأجهزة المدمجة.
التنفيذ في العالم الحقيقي
يتم نشر مساعدي الصوت والنسخ في الوقت الفعلي على وحدات معالجة الرسومات NVIDIA عبر مجموعة أدوات NeMo
Edge وASR المدمج حيث تتناسب المساحة الصغيرة لـ QuartzNet مع الأجهزة ذات الذاكرة المحدودة
ضبط نقاط تفتيش QuartzNet المدربة مسبقًا للمفردات الخاصة بالمجال مثل المصطلحات الطبية أو القانونية
تقوم تحليلات مركز الاتصال بنسخ كميات كبيرة من الصوت بسرعة وبتكلفة معقولة
المخاطر والدرابزين
تزداد مخاطر إساءة استخدام الصوت وانتحال الشخصية عند فقدان الموافقة.
يمكن أن تنخفض الدقة عبر اللهجات أو اللهجات أو البيئات الصاخبة.
يمكن الخلط بين الصوت الاصطناعي والكلام الأصيل دون تصنيف واضح.
خارطة طريق التنفيذ
الحصول على موافقة صريحة لالتقاط الصوت واستنساخه وإعادة استخدامه.
اختبار الجودة عبر مكبرات الصوت المتنوعة وظروف الخلفية.
تحديد متى يجب على الإنسان مراجعة المخرجات أو الموافقة عليها.
قم بتسمية الصوت الاصطناعي واحتفظ بسجلات المصدر للمساءلة.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Jasper and QuartzNet ASR quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
Wav2Letter التلافيفي ASR
الأسئلة المتداولة
What is Jasper and QuartzNet ASR?
Jasper وQuartzNet هما نموذجان متكاملان للتعرف على الكلام من NVIDIA، مع كون QuartzNet عبارة عن إعادة تصميم أصغر بكثير وفعالة لـ Jasper. إنها مهمة لإظهار كيفية الحصول على دقة قوية باستخدام معلمات أقل بكثير، مما يجعلها مثالية للنشر.
ما هو الابتكار الرئيسي الذي يتيح لـ QuartzNet استخدام معلمات أقل بكثير من Jasper؟
تستبدل QuartzNet التلافيف القياسية بالتفافات قابلة للفصل للقناة الزمنية، مما يؤدي إلى خفض عدد المعلمات بشكل كبير مع الحفاظ على الدقة.
ما هو عدد المعلمات تقريبًا التي قارنتها QuartzNet مع Jasper's ~ 333 مليونًا؟
يتقلص موقع QuartzNet إلى ما يقرب من 19 مليون معلمة، أي ما يقرب من 17 ضعفًا، مع مطابقة دقة Jasper's Librispeech.
ما هي الشركة التي طورت كلا من Jasper وQuartzNet؟
تم تطوير كلا النموذجين بواسطة NVIDIA ويتم توزيعهما من خلال مجموعة أدوات المحادثة NeMo AI.
ما هي وظيفة الخسارة التي يستخدمها Jasper وQuartzNet للتدريب بدون محاذاة واضحة؟
كلاهما يستخدم فقدان CTC، الذي يقوم بمحاذاة الصوت ذو الطول المتغير مع تسلسلات الأحرف دون الحاجة إلى تسميات لكل إطار.
ما هي الميزة الهيكلية التي تساعد التدرجات على التدفق عبر شبكة Jasper العميقة جدًا (حتى 54 طبقة)؟
يستخدم Jasper اتصالات متبقية كثيفة (تخطي) بحيث تنتشر التدرجات بشكل نظيف من خلال مجموعتها التلافيفية العميقة.