آڈیو AI گائیڈ
حاضری سنیں اور ہجے کریں۔
Listen, Attend and Spell (LAS) is a 2015 end-to-end speech-recognition model that maps acoustic filter-bank features to character sequences.
اس گائیڈ کو سنیں۔اے آئی نے بیان کیا۔ · ~2 min
اس صفحہ پر2 منٹ پڑھیں
جائزہ
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.
گہرا غوطہ
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.
حقیقی دنیا کا نفاذ
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.
سننے میں شرکت اور ہجے کا مستقبل
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.
اسے عملی جامہ پہنانا
یہ کیوں اہمیت رکھتا ہے۔
- رسائی اور رسائی. یہ نقل، بیان اور صوتی انٹرفیس کے ذریعے رسائی کو بہتر بناتا ہے۔
- لاگت اور بجٹ. میڈیا ٹیمیں چھوٹے بجٹ کے ساتھ پالش آڈیو کو تیزی سے بھیج سکتی ہیں۔
- رفتار اور پیمانہ. کسٹمر کا سامنا کرنے والے نظام بڑے پیمانے پر بولی جانے والی بات چیت پر کارروائی کر سکتے ہیں۔
پر نگاہ رکھیں
- رضامندی غائب ہونے پر آواز کے غلط استعمال اور نقالی کے خطرات بڑھ جاتے ہیں۔
- درستگی لہجوں، بولیوں، یا شور والے ماحول میں گر سکتی ہے۔
- واضح لیبلنگ کے بغیر مصنوعی آڈیو کو مستند تقریر کے لیے غلط سمجھا جا سکتا ہے۔
اگلے اقدامات
- آواز کی گرفتاری، کلوننگ اور دوبارہ استعمال کے لیے واضح رضامندی حاصل کریں۔
- متنوع اسپیکرز اور پس منظر کے حالات میں معیار کی جانچ کریں۔
- وضاحت کریں کہ جب ایک انسان کو آؤٹ پٹس کا جائزہ لینا یا منظور کرنا ضروری ہے۔
- مصنوعی آڈیو کو لیبل کریں اور جوابدہی کے لیے پرووینس ریکارڈ رکھیں۔
دریافت کرتے رہیں
مفت نیوز لیٹر
روزانہ AI بریفنگ حاصل کریں
ہر ہفتے کے دن صبح تین تصدیق شدہ AI کہانیاں، سادہ انگریزی میں لکھی گئیں۔ ہمیشہ کے لیے مفت، کوئی اشتہار نہیں۔
ہر ہفتے کے دن ایک ای میل۔ ایک کلک میں ان سبسکرائب کریں۔ ہم کبھی بھی آپ کا پتہ فروخت یا شیئر نہیں کرتے۔
اپنے آپ کو جانچیں۔
Take the Listen Attend and Spell quiz
ہر جواب پر فوری فیڈبیک، اور کورس پاس کرنے کے بعد قابلِ تصدیق ID کے ساتھ شیئر کرنے کے قابل سرٹیفکیٹ۔
مفت AI تعلیم کی حمایت کریں۔ AI Understanding ایک 501(c)(3) غیر منافع بخش ادارہ ہے — کوئی اشتہار نہیں، کوئی پے وال نہیں، کبھی نہیں۔ عطیہ کریں۔
اکثر پوچھے گئے سوالات
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.
LAS ماڈل کے دو اہم اجزاء کیا ہیں؟
LAS ایک 'سننے والے' انکوڈر پر مشتمل ہے جو آڈیو پر کارروائی کرتا ہے اور 'اسپیلر' توجہ پر مبنی ڈیکوڈر جو حروف کو خارج کرتا ہے۔
LAS آؤٹ پٹ میں اسپیلر کیا کرتا ہے؟
اسپیلر ایک ڈیکوڈر ہے جو ہجے کو براہ راست سیکھتے ہوئے، حرف بہ حرف نقل کرتا ہے۔
LAS انکوڈر کو 'اہرام' کیوں کہا جاتا ہے؟
اہرام BLSTM کی ہر پرت تسلسل کی لمبائی کو آدھا کر دیتی ہے، طویل آڈیو ترتیب کو مختصر کرتی ہے تاکہ توجہ کمپیوٹیشنل طور پر ممکن ہو۔
LAS کو خاص طور پر کس پرانے جزو کی ضرورت نہیں ہے؟
کلاسک HMM-DNN پائپ لائنوں کے برعکس، LAS بغیر کسی فونیم لغت یا زبردستی سیدھ کے بغیر آڈیو ٹو ٹیکسٹ جوڑوں سے سیکھتا ہے۔
کون سا طریقہ کار اسپیلر کو ہر کردار کے لیے آڈیو کے متعلقہ حصے پر توجہ مرکوز کرنے دیتا ہے؟
ایک توجہ کا طریقہ کار انکوڈر کی حالتوں پر وزن کی گنتی کرتا ہے، ایک سیاق و سباق کی تشکیل کرتا ہے جسے ڈیکوڈر ہر قدم پر استعمال کرتا ہے۔
سیکھتے رہیں
متعلقہ گائیڈز
اس موضوع کے لیے مزید گائیڈز چنے گئے ہیں۔