Dubawa
SpecAugment hanya ce mai sauƙi amma mai ƙarfi ta haɓaka bayanai wacce ke rufe fuska da kuma karkatar da simintin magana don sa ƙirar ƙira ta fi ƙarfi. Ya haɓaka daidaito akan ma'auni ba tare da wani sabon sauti ko canji na ƙira ba.
SpecAugment don Gane Magana yana zaune a cikin ayyukan audio-AI wanda ke canza magana, kiɗa, da sauti don sadarwa, samun dama, da samar da kafofin watsa labarai.
Zurfafa nutsewa
SpecAugment, wanda Google Brain (Park et al.) ya gabatar a cikin 2019, yana haɓaka horarwar fahimtar magana ta hanyar gyara ma'aunin log-mel kai tsaye maimakon sigar ƙaƙƙarfan motsi. Yana aiwatar da ayyuka guda uku: rikicewar lokaci, wanda ɗan shimfiɗawa ko matsawa sauti tare da axis lokaci; mita masking, wanda zeroes fitar da makada na mita tashoshi; da masking lokaci, wanda ke ɓoye tsawon matakan matakan lokaci. Ta hanyar tilasta ƙirar don gane magana ko da an ɓoye ɓangarori na spectrogram, SpecAugment yana aiki azaman daidaitawa kuma yana hana wuce gona da iri. Ya kasance mai arha sosai kuma mai inganci, yana taimaka wa ƙirar LAS-style su kai sa'an nan ƙimar kuskuren kalma na zamani akan LibriSpeech da Switchboard, kuma ya kasance babban sinadari a cikin bututun horo na ASR na zamani.
Fahimtar Fasaha
SpecAugment yana aiki akan sikirin 2D kamar hoto ne. Matsakaicin abin rufe fuska yana cire bazuwar toshe tashoshi na mel-mel; masking lokaci yana cire bazuwar toshe na firam masu yawa; Warping lokaci yana canza wurin da aka zaɓa tare da axis lokaci ta amfani da interpolation. Ana iya amfani da masks da yawa kowace magana. Saboda masks suna canza kowane zamani, ƙirar tana ganin bambance-bambance marasa iyaka na kowane misali, inganta haɓakawa ba tare da tattara sabbin bayanai ba.
Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Ƙwararren Magana
SpecAugment hanya ce mai sauƙi amma mai ƙarfi ta haɓaka bayanai wacce ke rufe fuska da kuma karkatar da simintin magana don sa ƙirar ƙira ta fi ƙarfi. Ya haɓaka daidaito akan ma'auni ba tare da wani sabon sauti ko canji na ƙira ba. SpecAugment don Gane Magana yana zaune a cikin ayyukan audio-AI wanda ke canza magana, kiɗa, da sauti don sadarwa, samun dama, da samar da kafofin watsa labarai. Don gina zurfin fahimta, bi SpecAugment for Speech Recognition a matsayin samfurin aiki, ba sifa ɗaya ba: ayyana sakamakon da ake so, fayyace zato, da raba abin da tsarin zai iya yi da dogaro daga abin da har yanzu yana buƙatar yanke hukunci na ƙwararru.
A aikace, ƙungiyoyi masu ƙarfi da ke amfani da SpecAugment don Gane Magana suna ɗaukar inganci, jinkiri, da yarda a matsayin daidaitattun sassa na dabarun turawa. Suna rubuta ƙayyadaddun ƙa'idodin nasara, gwaji akan bayanan gaskiya da gudanawar aiki, da jujjuyawar bisa ga tsarin gazawar da aka lura maimakon cin nasara na lokaci ɗaya. Wannan shine inda fahimtar ka'idar ta juya zuwa iyawa mai dorewa a cikin samfura, manufofi, da ayyuka.
Yana inganta samun dama ta hanyar rubutu, ba da labari, da mu'amalar murya. A lokaci guda, rashin amfani da murya da haɗarin kwaikwaya yana ƙaruwa lokacin da aka rasa izini. Hanyar da ta fi dacewa ita ce haɗa saurin gwaji tare da horon gudanarwa: gudanar da matukin jirgi, kama shaida, buga rajistan ayyukan yanke shawara, da ci gaba da sabunta abubuwan tsaro kamar yadda halayen ƙira, tsammanin mai amfani, da buƙatun tsari ke tasowa.
Dabarun Tasiri
Yana inganta samun dama ta hanyar rubutu, ba da labari, da mu'amalar murya.
Yana inganta samun dama ta hanyar rubutu, ba da labari, da mu'amalar murya. A cikin ƙawance masu inganci, ana fassara wannan zuwa ƙa'idodin aiki waɗanda za a iya aunawa, iyakokin ikon mallaka, da kuma bita-da-kullin bita don ƙungiyoyi su iya haɓaka kwarin gwiwa a maimakon ɓata shakku.
Ƙungiyoyin kafofin watsa labaru na iya jigilar sauti mai gogewa cikin sauri tare da ƙaramin kasafin kuɗi.
Ƙungiyoyin kafofin watsa labaru na iya jigilar sauti mai gogewa cikin sauri tare da ƙaramin kasafin kuɗi. A cikin ƙawance masu inganci, ana fassara wannan zuwa ƙa'idodin aiki waɗanda za a iya aunawa, iyakokin ikon mallaka, da kuma bita-da-kullin bita don ƙungiyoyi su iya haɓaka kwarin gwiwa a maimakon ɓata shakku.
Tsarin fuskantar abokin ciniki na iya aiwatar da hulɗar magana a mafi girman ma'auni.
Tsarin fuskantar abokin ciniki na iya aiwatar da hulɗar magana a mafi girman ma'auni. A cikin ƙawance masu inganci, ana fassara wannan zuwa ƙa'idodin aiki waɗanda za a iya aunawa, iyakokin ikon mallaka, da kuma bita-da-kullin bita don ƙungiyoyi su iya haɓaka kwarin gwiwa a maimakon ɓata shakku.
Aiwatar da Gaskiyar Duniya
Haɓaka ƙimar kuskuren kalma akan LibriSpeech ta hanyar rufe maƙallan spectrogram yayin horo
Tsayar da samfuran ASR na ƙarshe zuwa ƙarshe kamar LAS ko Conformer don rage wuce gona da iri
Ƙirƙirar ƙayyadaddun bayanan bayanai don ƙananan albarkatun harsuna ba tare da yin rikodin sabon sauti ba
Daidaita ra'ayin abin rufe fuska zuwa tabbatarwar lasifika da rarrabuwar taron sauti
Hanyoyin Aiwatarwa
SpecAugment don gane Magana a aikace
Haɓaka ƙimar kuskuren kalma akan LibriSpeech ta hanyar rufe maƙallan spectrogram yayin horo.
Haɓaka ƙimar kuskuren kalma akan LibriSpeech ta hanyar rufe maƙallan sifofi yayin horo Ƙungiyoyi yawanci suna samun sakamako mafi kyau lokacin da suka ayyana ƙima masu inganci a gaba, kiyaye hanyar haɓakar ɗan adam don shari'o'in gefe, da bin duk nasarorin samarwa da ƙimar kuskure akan lokaci.
SpecAugment don gane Magana a aikace
Tsayar da samfuran ASR na ƙarshe zuwa ƙarshe kamar LAS ko Conformer don rage wuce gona da iri.
Daidaita ƙirar ASR na ƙarshe-zuwa-ƙarshe kamar LAS ko Conformer don rage Ƙungiyoyin da ba su dace ba yawanci suna samun sakamako mafi kyau lokacin da suka ayyana ƙofofin inganci a gaba, kiyaye hanyar haɓakar ɗan adam don shari'o'i, da bin diddigin ribar yawan aiki da ƙimar kuskure a kan lokaci.
SpecAugment don gane Magana a aikace
Ƙirƙirar ƙayyadaddun bayanan bayanai don ƙananan albarkatun harsuna ba tare da yin rikodin sabon sauti ba.
Haɓaka ƙayyadaddun bayanan bayanai don ƙananan yarukan albarkatu ba tare da yin rikodin sabbin Ƙungiyoyin sauti yawanci suna samun sakamako mafi kyau lokacin da suka ayyana ma'auni masu inganci a gaba, kiyaye hanyar haɓakar ɗan adam don shari'o'i, da bin duk nasarorin samarwa da ƙimar kuskure akan lokaci.
SpecAugment don gane Magana a aikace
Daidaita ra'ayin abin rufe fuska zuwa tabbatarwar lasifika da rarrabuwar taron sauti.
Daidaita ra'ayin abin rufe fuska don tabbatar da lasifika da rabe-raben taron sauti Ƙungiyoyi yawanci suna samun sakamako mafi kyau lokacin da suka ayyana ma'auni masu inganci a gaba, kiyaye hanyar haɓakar ɗan adam don ƙararraki, da bin duk nasarorin samarwa da ƙimar kuskure akan lokaci.
Hatsari & Tsare-tsare
Rashin amfani da murya da haɗarin kwaikwaya yana ƙaruwa lokacin da aka rasa izini.
Daidaituwa na iya faɗuwa cikin lafuzza, yaruka, ko mahalli masu hayaniya.
Ana iya kuskuren sauti na roba don ingantacciyar magana ba tare da bayyananniyar lakabi ba.
Taswirar Hanya
Sami tabbataccen izini don ɗaukar murya, cloning, da sake amfani.
Sami tabbataccen izini don ɗaukar murya, cloning, da sake amfani. Ɗauki kowane mataki azaman ƙofar shaida: idan ba a cika sharuɗɗa ba, dakatar da fitar, rufe tazarar, sannan kawai faɗaɗa amfani.
Gwajin ingantattun masu magana daban-daban da yanayin baya.
Gwajin ingantattun masu magana daban-daban da yanayin baya. Ɗauki kowane mataki azaman ƙofar shaida: idan ba a cika sharuɗɗa ba, dakatar da fitar, rufe tazarar, sannan kawai faɗaɗa amfani.
Ƙayyade lokacin da dole ne ɗan adam ya duba ko ya amince da abubuwan da aka fitar.
Ƙayyade lokacin da dole ne ɗan adam ya duba ko ya amince da abubuwan da aka fitar. Ɗauki kowane mataki azaman ƙofar shaida: idan ba a cika sharuɗɗa ba, dakatar da fitar, rufe tazarar, sannan kawai faɗaɗa amfani.
Yi lakabin sauti na roba da kuma adana bayanan da aka tabbatar don yin lissafi.
Yi lakabin sauti na roba da kuma adana bayanan da aka tabbatar don yin lissafi. Ɗauki kowane mataki azaman ƙofar shaida: idan ba a cika sharuɗɗa ba, dakatar da fitar, rufe tazarar, sannan kawai faɗaɗa amfani.