Tilmaamaha Aqoonsiga Hadalka
SpecAugment waa hab fudud laakiin xoog badan oo xog kordhin ah kaas oo qariya oo isku rogaya spectrogram-ka hadalka si moodooyinka aqoonsiga looga dhigo kuwo aad u adag.
Dulmar
SpecAugment waa hab fudud laakiin xoog badan oo xog kordhin ah kaas oo qariya oo isku rogaya spectrogram-ka hadalka si moodooyinka aqoonsiga looga dhigo kuwo aad u adag. Waxay xoojisay saxnaanta bartilmaameedyada iyada oo aan wax cod ah ama qaab cusub la beddelin.
SpecAugment for Speech Recognition waxay ku fadhidaa audio-AI qulqulka shaqada ee beddela hadalka, muusiga, iyo codka isgaarsiinta, gelista, iyo soosaarka warbaahinta.
quusid qoto dheer
SpecAugment, oo uu soo bandhigay Google Maskaxda (Park et al.) sanadka 2019, waxay kordhisaa tababarka aqoonsiga hadalka iyadoo si toos ah loo tafatirayo spectrogram-ka log-mel halkii uu ka ahaan lahaa qaabka waveform-ka ceeriin. Waxa ay khusaysaa saddex hawlood: wakhtiga isbedbeddelka, kaas oo wax yar kala jiidaya ama ku cadaadinaya codka dhidibka wakhtiga; maaskaro soo noqnoqda, taas oo meesha ka saaraysa xadhkaha xadhkaha soo noqnoqda; iyo waqti-masgarid, taas oo faaruqinaysa tallaabooyin waqti ah. Adigoo ku qasbaya moodalka inuu aqoonsado hadalka xitaa marka qaybo ka mid ah spectrogram-ka ay qarsoon yihiin, SpecAugment waxay u shaqeysaa sidii joogtayn waxayna ka hortagtaa ku-habboonaanta. Waxay ahayd mid aad u jaban oo wax ku ool ah, iyadoo ka caawinaysa moodooyinka qaabka LAS inay gaadhaan markaas heeryada khaladka kelmad-casriga ah ee LibriSpeech iyo Switchboard, waxayna weli tahay qayb ka mid ah dhuumaha tababarka casriga ah ee ASR.
Aragtida Farsamada
SpecAugment waxay u shaqeysaa 2D spectrogram sida inay tahay sawir. Maaskarada soo noqnoqda waxay meesha ka saartaa xannibaad aan kala sooc lahayn oo ah kanaalada mel-frequency; waqti-xidhashadu waxay meesha ka saartaa xannibaad aan kala sooc lahayn oo xirmo joogto ah; waqti-wareejintu waxay beddeshaa barta la doortay ee dhidibka wakhtiga iyadoo la adeegsanayo interpolation. Maasgaro badan ayaa la marsan karaa odhaah kasta. Sababtoo ah waji-xidhashadu waxay beddelaan xilli kasta, moodalku wuxuu si wax ku ool ah u arkaa kala duwanaanshiyaha aan dhammaadka lahayn ee tusaale kasta, isagoo horumarinaya guud ahaan iyada oo aan la ururin xog cusub.
Hagaajinta SpecAugment ee Aqoonsiga Hadalka
Si loo dhiso faham qoto dheer, ula dhaqan SpecAugment ee Aqoonsiga Hadalka sidii qaab hawleed, ma aha hal sifo. Qeex natiijooyinka la rabo, cadee fikradaha, oo kala saar waxa nidaamku si la isku halleyn karo u samayn karo iyo waxa weli u baahan go'aan khabiir.
Ficil ahaan, kooxaha xoogga leh ee isticmaalaya SpecAugment for Speech Recognition waxay ula dhaqmaan tayada, daahitaanka, iyo oggolaanshaha sida qaybo muhiim ah oo isku mid ah oo ka mid ah istiraatiijiyadda geynta. Waxay diiwaangeliyaan shuruudaha guusha ee cad, tijaabiyaan xogta dhabta ah iyo qulqulka shaqada, waxayna ku celceliyaan ku saleysan qaababka guul darrida ee la arkay halkii ay hal mar ku guuleysan lahaayeen halbeegyada. Tani waa halka fahamka aragtida uu isu beddelo karti waara oo dhan badeecada, siyaasadda, iyo hawlgallada.
Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod. Isla mar ahaantaana, si xun u isticmaalka codka iyo khataraha is-yeelyeelku way kordhaan marka oggolaanshaha la waayo. Habka ugu adkeysi badan waa in la isku daro xawaaraha tijaabada iyo anshaxa maamulka: socodsiinta duuliyayaasha, qabashada caddaynta, daabacaadda go'aanka, iyo si joogto ah u cusboonaysii ilaalinta sida habdhaqanka moodeelka, filashada isticmaale, iyo shuruudaha sharciyaynta.
Saamaynta Istiraatijiyadeed
Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod.
Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Kooxaha warbaahintu waxay ku soo rari karaan codka sifaysan si degdeg ah iyagoo wata miisaaniyado yaryar.
Kooxaha warbaahintu waxay ku soo rari karaan codka sifaysan si degdeg ah iyagoo wata miisaaniyado yaryar. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Nidaamyada u jeedda macmiisha waxay ka baaraandegi karaan isdhexgalka hadalka si weyn.
Nidaamyada u jeedda macmiisha waxay ka baaraandegi karaan isdhexgalka hadalka si weyn. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Dhaqangelinta Adduunka-dhabta ah
Hagaajinta heerka khaladka kelmadda ee LibriSpeech iyadoo la qarinayo xadhkaha spectrogram-ka inta lagu jiro tababarka
Joogteynta moodooyinka ASR-da-dhamaadka-ilaa-dhamaadka ah sida LAS ama Conformer si loo yareeyo ku-habboonaanta
Kordhinta xogta xaddidan ee luqadaha kheyraadka hoose iyada oo aan la duubin cod cusub
La qabsiga fikradda indho-shareerka ee xaqiijinta hadalka iyo soocidda dhacdada maqalka
Hababka Dhaqangelinta
SpecAugment ee Aqoonsiga Hadalka ficil ahaan
Hagaajinta heerka khaladka kelmadda ee LibriSpeech iyadoo la qarinayo xadhkaha spectrogram-ka inta lagu jiro tababarka.
Kooxuhu waxay badanaa helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
SpecAugment ee Aqoonsiga Hadalka ficil ahaan
Joogteynta moodooyinka ASR-da-dhamaadka-ilaa-dhamaadka ah sida LAS ama Conformer si loo yareeyo ku-habboonaanta.
Kooxuhu waxay badanaa helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
SpecAugment ee Aqoonsiga Hadalka ficil ahaan
Kordhinta xogta xaddidan ee luqadaha kheyraadka hoose iyada oo aan la duubin cod cusub.
Kooxuhu waxay badanaa helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
SpecAugment ee Aqoonsiga Hadalka ficil ahaan
La qabsiga fikradda indho-shareerka ee xaqiijinta hadalka iyo soocidda dhacdada maqalka.
Kooxuhu waxay badanaa helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo ay la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
Khatarta & Dariiqyada Ilaalada
Si xun u isticmaalka codka iyo khataraha is-yeelyeelku way kordhaan marka oggolaanshaha la waayo.
Saxnimadu waxay hoos ugu dhici kartaa lahjadaha, lahjadaha, ama jawiga buuqa badan.
Maqalka synthetic waxaa lagu khaldi karaa hadal dhab ah iyada oo aan si cad loo calaamadin.
Qorshe Hawleedka Dhaqangelinta
Hel ogolaansho cad oo ku saabsan qabashada codka, xidhitaanka, iyo dib u isticmaalka
Ula dhaqan tan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad fidinta, xidh farqiga, ka dibna balaadhi isticmaalka.
Tijaabi tayada ku hadasha kala duwan iyo xaaladaha asalka.
Ula dhaqan tan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad fidinta, xidh farqiga, ka dibna balaadhi isticmaalka.
Qeex marka bani'aadamku ay tahay inuu dib u eego ama oggolaado wax soo saarka.
Ula dhaqan tan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad fidinta, xidh farqiga, ka dibna balaadhi isticmaalka.
Ku calaamadee codka synthetic oo xafid diiwaannada la-xisaabtanka.
Ula dhaqan tan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad fidinta, xidh farqiga, ka dibna balaadhi isticmaalka.
Sii wad Sahaminta
Check your understanding
Test yourself: take the SpecAugment for Speech Recognition quiz