Il prossimoProssima guida
Classificazione dei generi musicali
IA audio
GUIDA AI audio
Connectionist Temporal Classification (CTC) trains sequence models when input frames are available but frame-to-label alignment is unknown.
Ascolta questa guidaNarrato dall'IA · ~2 min
It sums over possible paths that collapse to the target sequence.
Graves et al. introduce CTC for unsegmented sequence labeling. The model predicts a distribution over labels plus blank at each input time step; CTC defines a many-to-one map from frame-level paths to target sequences and sums probabilities over all paths that collapse to the target. The approach avoids explicit alignment labels but assumes conditional independence of output distributions across time steps given the input representation.
Speech frames can be aligned to a transcript without manually labeling each frame.
A blank symbol allows separation between repeated output labels.
CTC collapses repeated labels and then removes blank symbols to form an output.
Beam search with a language model can combine acoustic path scores and linguistic context.
Use CTC when unaligned sequence labels are available and the independence assumption is acceptable. Compare greedy and beam decoding on the target vocabulary and language model. The cited paper does not imply CTC is ideal for all streaming or sequence-transduction tasks.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Connectionist Temporal Classification (CTC) trains sequence models when input frames are available but frame-to-label alignment is unknown. It sums over possible paths that collapse to the target sequence.
CTC consente a una rete di addestrarsi su coppie (audio, testo) senza che nessuno etichetti quale frame corrisponde a quale carattere, risolvendo il problema di allineamento.
Il token vuoto consente al modello di emettere "niente di nuovo" su un fotogramma e, in modo critico, separa le ripetizioni vere come la doppia L in "ciao" dalle ripetizioni compresse.
CTC defines the target probability as the sum of probabilities of all frame-level paths that collapse to the target transcription. Dynamic programming computes this sum efficiently; the recurrence is a separate computational detail.
Un percorso grezzo per fotogramma viene decodificato unendo prima i caratteri duplicati adiacenti e quindi rimuovendo tutti i token vuoti.
CTC presuppone l'indipendenza condizionale per frame, il che rende trattabile la somma ma significa che non esiste un modello linguistico integrato.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Classificazione dei generi musicali
IA audio