Jasper na QuartzNet ASR
Jasper na QuartzNet ni miundo ya NVIDIA ya utambuzi wa matamshi ya ubadilishaji hadi mwisho, huku QuartzNet ikiwa muundo mpya wa Jasper mdogo sana.
Muhtasari
They matter for showing how to get strong accuracy with far fewer parameters, ideal for deployment.
Dive ya kina
Jasper (Kitambulisho Kingine cha Usemi Tu), kilichotolewa na NVIDIA mwaka wa 2019, ni mtandao wa kina wa ubadilishaji wa 1D, hadi tabaka 54, ambao huweka vipengele vya mel-spectrogram kwa wahusika wanaotumia kupoteza kwa CTC. Ilianzisha miunganisho mnene ya mabaki kwa hivyo gradient hutiririka kwa njia safi kupitia safu za kina sana. QuartzNet, iliyotolewa mwaka huo huo, ilihifadhi muundo wa kizuizi cha Jasper lakini ilibadilisha mibadiliko ya kawaida na mipasuko inayoweza kutenganishwa na idhaa ya saa, ikigawanya kila kichujio kuwa ubadilishaji wa muda wa kina na hatua ya kuchanganya ya mkondo. Uainishaji huu ulipunguza vigezo kutoka takriban milioni 333 vya Jasper hadi karibu milioni 19 huku usahihi ukilinganisha na Librispeech. Zote mbili husafirishwa katika zana ya zana ya NeMo ya NVIDIA na zimeratibiwa kwa mafunzo ya haraka ya GPU na makisio ya wakati halisi, na kuzifanya kuwa vizuizi maarufu vya utengenezaji wa ASR.
Ufahamu wa Kiufundi
Ufanisi wa QuartzNet unatokana na mijadala inayoweza kutenganishwa na idhaa ya saa, wazo lile lile la MobileNet. Ubadilishaji wa kawaida wa 1D huchanganya muda na chaneli pamoja, na kugharimu K mara C-ndani mara uzani wa C-out. Kuitenganisha katika mabadiliko ya kina baada ya muda pamoja na ubadilishaji wa 1x1 kwa uhakika juu ya vituo hupunguza vigezo hadi K mara C pamoja na C-katika mara C-out. Imepangwa katika vizuizi vya mabaki na kufunzwa kwa CTC, hii inatoa usahihi wa karibu wa Jasper katika sehemu ya ukubwa wa muundo na hesabu.
Athari za kimkakati
Kufikia na kufikia
Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
Cost and budget
Timu za media zinaweza kusafirisha sauti iliyoboreshwa haraka na bajeti ndogo.
Kasi na kiwango
Mifumo inayowakabili wateja inaweza kuchakata mwingiliano wa mazungumzo kwa kiwango kikubwa.
Mustakabali wa Jasper na QuartzNet ASR
Ukoo unaoweza kutenganishwa wa QuartzNet uliongoza moja kwa moja kwenye Citrinet ya NVIDIA na miundo ya Conformer inayotumika sana, ambayo huongeza umakini ili kunasa muktadha wa kimataifa pamoja na mijadala ya ndani. Tarajia harakati zinazoendelea kuelekea usanifu mseto wa convolution-plus-attention na transducer (RNN-T) dekodare kwa utiririshaji. Somo la msingi, mabadiliko yanayofaa kwa kigezo kwa uwekaji makali na kwa wakati halisi, yanasalia kuwa muhimu huku ASR inavyosukuma kwenye simu, magari na vifaa vilivyopachikwa.
Utekelezaji wa Ulimwengu Halisi
Unukuzi na visaidizi vya sauti katika wakati halisi vilivyowekwa kwenye NVIDIA GPU kupitia zana ya zana ya NeMo
Edge na ASR iliyopachikwa ambapo alama ndogo ya QuartzNet inafaa vifaa vilivyo na kumbukumbu
Kurekebisha vizuri vituo vya ukaguzi vya QuartzNet vilivyofunzwa mapema kwa misamiati mahususi ya kikoa kama vile masharti ya matibabu au kisheria.
Uchanganuzi wa kituo cha simu unaonakili sauti nyingi kwa haraka na kwa gharama nafuu
Hatari & Walinzi
Hatari za matumizi mabaya ya sauti na uigaji huongezeka wakati kibali kinakosekana.
Usahihi unaweza kushuka katika lafudhi, lahaja au mazingira yenye kelele.
Sauti ya syntetisk inaweza kudhaniwa kimakosa kuwa usemi halisi bila kuweka lebo wazi.
Ramani ya Utekelezaji
Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
Jaribu ubora kwenye spika na hali mbalimbali za usuli.
Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.
Endelea Kuchunguza
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
Mwongozo unaofuata
Wav2Letter Convolutional ASR
Maswali yanayoulizwa mara kwa mara
What is Jasper and QuartzNet ASR?
Jasper na QuartzNet ni miundo ya NVIDIA ya utambuzi wa matamshi ya ubadilishaji hadi mwisho, huku QuartzNet ikiwa muundo mpya wa Jasper mdogo sana. Ni muhimu kwa kuonyesha jinsi ya kupata usahihi mkubwa na vigezo vichache zaidi, bora kwa kupelekwa.
Ni uvumbuzi gani muhimu unaoruhusu QuartzNet kutumia vigezo vichache zaidi kuliko Jasper?
QuartzNet inachukua nafasi ya mibadilisho ya kawaida na mibadilisho inayoweza kutenganishwa na idhaa ya saa, ikipunguza sana hesabu ya vigezo huku ikihifadhi usahihi.
QuartzNet ina vigezo vingapi ikilinganishwa na ~ milioni 333 za Jasper?
QuartzNet husinyaa hadi kufikia takribani vigezo milioni 19, takriban punguzo la mara 17, huku ikilingana na usahihi wa Librispeech ya Jasper.
Ni kampuni gani ilitengeneza Jasper na QuartzNet?
Miundo yote miwili ilitengenezwa na NVIDIA na inasambazwa kupitia zana yake ya mazungumzo ya NeMo ya AI.
Ni utendakazi gani wa upotezaji ambao Jasper na QuartzNet hutumia kutoa mafunzo bila mpangilio wazi?
Zote mbili hutumia upotezaji wa CTC, ambayo hupatanisha sauti ya urefu tofauti kwa mpangilio wa herufi bila kuhitaji lebo za kila fremu.
Ni kipengele gani cha kimuundo husaidia gradient kutiririka kupitia mtandao wa kina sana wa Jasper (hadi safu 54)?
Jasper hutumia miunganisho mnene ya mabaki (kuruka) ili gradient zienee kwa usafi kupitia mrundikano wake wa kina wa ubadilishaji.