NastępnyNastępny poradnik
Automatyczne tagowanie muzyki
Dźwiękowa sztuczna inteligencja
PRZEWODNIK AI audio
Słuchaj Weź udział i przeliteruj
Listen, Attend and Spell (LAS) is a 2015 end-to-end speech-recognition model that maps acoustic filter-bank features to character sequences.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~2 min
Na tej stronie2 minuty czytania
Przegląd
Its Listener is a pyramidal recurrent encoder; its Speller is an attention-based recurrent decoder. The original paper reports results for a specific Google voice-search subset and does not establish that LAS outperformed the compared production system.
Głębokie nurkowanie
The LAS paper defines two components: a Listener, a pyramidal recurrent encoder that accepts filter-bank spectra, and a Speller, an attention-based recurrent decoder that emits characters. The pyramidal encoder reduces sequence length, making attention over the encoded frames more manageable. The paper describes joint learning of recognizer components and reports that its model generated character sequences without a pronunciation dictionary or a separately trained language model. On a subset of Google voice search, it reports 14.1% WER without a language model and 10.3% with language-model rescoring; the compared CLDNN-HMM result was 8.0%. These historical numbers apply to the paper’s specific evaluation.
Implementacja w świecie rzeczywistym
Use LAS as a historical example of an encoder-decoder recognizer that emits characters from acoustic input.
Inspect how the pyramidal Listener reduces the length of the encoder sequence.
Trace how attention connects each Speller output step to encoder states.
Compare reported WER only within the paper’s stated task and evaluation setup.
Przyszłość słuchania i pisania
LAS is useful historically for understanding attention-based end-to-end ASR. Later systems explored different encoders, objectives, and streaming mechanisms; performance and latency must be compared on the same data and decoding conditions.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Dostęp i zasięg. Poprawia dostępność poprzez transkrypcję, narrację i interfejsy głosowe.
- Koszt i budżet. Zespoły medialne mogą szybciej dostarczać dopracowany dźwięk przy mniejszych budżetach.
- Szybkość i skala. Systemy skierowane do klienta mogą przetwarzać interakcje mówione na większą skalę.
Uważaj na
- W przypadku braku zgody zwiększa się ryzyko niewłaściwego użycia głosu i podszywania się pod inne osoby.
- Dokładność może spaść w przypadku akcentów, dialektów lub hałaśliwego otoczenia.
- Bez wyraźnego oznakowania dźwięk syntetyczny można pomylić z autentyczną mową.
Kolejne kroki
- Uzyskaj wyraźną zgodę na przechwytywanie, klonowanie i ponowne wykorzystanie głosu.
- Testuj jakość na różnych głośnikach i w różnych warunkach otoczenia.
- Zdefiniuj, kiedy człowiek musi przejrzeć lub zatwierdzić wyniki.
- Oznacz dźwięk syntetyczny i prowadź dokumentację pochodzenia w celu zapewnienia odpowiedzialności.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the Listen Attend and Spell quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
What is Listen Attend and Spell?
Listen, Attend and Spell (LAS) is a 2015 end-to-end speech-recognition model that maps acoustic filter-bank features to character sequences. Its Listener is a pyramidal recurrent encoder; its Speller is an attention-based recurrent decoder. The original paper reports results for a specific Google voice-search subset and does not establish that LAS outperformed the compared production system.
Jakie są dwa główne elementy modelu LAS?
LAS składa się z kodera „Listener”, który przetwarza dźwięk, oraz dekodera opartego na uwadze „Speller”, który emituje znaki.
Co wyświetla Speller w LAS?
Speller to dekoder, który tworzy transkrypcję znak po znaku, ucząc się bezpośrednio pisowni.
Dlaczego koder LAS nazywa się „piramidalnym”?
Każda warstwa piramidalnego BLSTM zmniejsza o połowę długość sekwencji, skracając długą sekwencję audio, dzięki czemu uwaga jest możliwa obliczeniowo.
Jakiego starszego komponentu w szczególności NIE wymaga LAS?
W przeciwieństwie do klasycznych potoków HMM-DNN, LAS uczy się bezpośrednio na podstawie par audio-tekst bez słownika fonemów i wymuszonego wyrównania.
Który mechanizm pozwala Spellerowi skupić się na odpowiedniej części dźwięku dla każdej postaci?
Mechanizm uwagi oblicza wagi stanów kodera, tworząc wektor kontekstu, którego dekoder używa na każdym kroku.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat