Asopọmọra Igba otutu Classification
Asopọmọra Temporal Classification (CTC) jẹ iṣẹ ipadanu ati ọna iyipada ti o jẹ ki awọn nẹtiwọọki nkankikan yi ọna ohun afetigbọ gigun sinu ọrọ laisi ẹnikẹni ni ọwọ-titọ ohun kọọkan si lẹta kọọkan.
Akopọ
It made end-to-end speech recognition practical by solving the brutal alignment problem.
Jin Dive
Ọrọ sisọ jẹ idoti: ọrọ 'hello' le gun awọn fireemu ohun afetigbọ 40, ko si si ẹnikan ti o fi aami si pato iru fireemu ni 'h' naa. CTC, ti a ṣe nipasẹ Alex Graves ni ọdun 2006, awọn ọna apa yii. Nẹtiwọọki n ṣe agbejade iṣeeṣe lori awọn kikọ (pẹlu ami ‘ofo’ pataki) fun gbogbo fireemu. CTC lẹhinna ṣalaye titete to wulo bi ọna fireemu-nipasẹ-fireemu eyikeyi ti o ṣubu si ọrọ ibi-afẹde lẹhin awọn ofin meji: dapọ awọn ohun kikọ ti o leralera, lẹhinna paarẹ awọn ofofo. Nitoripe ọpọlọpọ awọn ọna maapu si ọrọ kanna, CTC ṣe akopọ iṣeeṣe ti gbogbo wọn ni lilo algorithm siseto ti o ni agbara (algoridimu iwaju-afẹyinti) ati kọ netiwọki lati mu iwọn lapapọ pọ si. Àmi òfo ni ẹtan onilàkaye ti o jẹ ki awoṣe sọ 'ko si ohun titun nibi' ati pe o ya awọn atunwi tootọ bi meji-L ni 'hello'.
Imọ-imọ-ẹrọ
Aronu mojuto CTC jẹ ominira ni àídájú: fi fun awọn iwe ohun, kọọkan fireemu’sjadejade ti wa ni ti anro ni ominira, pẹlu ko si ede awoṣe ndin ni. Ti o mu ki awọn siwaju-afẹyinti summation tractable sugbon tumo si CTC duro lati gbe awọn spiky, tente àbájade (okeene òfo, pẹlu didasilẹ ohun kikọ spikes) ati awọn anfani lati ẹya ita ede awoṣe ni akoko ipinnu. Wiwa Beam pẹlu LM kan ti o dapọ, ti igbagbogbo ti a npe ni iyipada-iṣaaju-iṣaaju, bosipo ṣe imudara deedee lori iyipada argmax ojukokoro.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ojo iwaju ti Isọdi Igba akoko Connectionist
CTC maa wa ẹṣin iṣẹ, ni pataki nibiti ṣiṣanwọle ati ọrọ lairi kekere, ati pe o nlo pupọ si bi ipadanu iranlọwọ lẹgbẹẹ akiyesi tabi awọn ibi-afẹde transducer ni awọn awoṣe 'CTC/ akiyesi' arabara. Reti CTC lati tẹsiwaju bi iyara, ẹka decoder ti o rọrun laarin awọn eto ọrọ-ọrọ multitask nla, ati bi ẹrọ titete lẹhin awọn irinṣẹ isọdi-fi agbara mu ti awọn ọrọ igba akoko. Awọn koodu idabobo ti ara ẹni bii wav2vec 2.0 jẹ aifwy daradara nigbagbogbo pẹlu ori CTC kan.
Real-World imuse
Titun-tuntun wav2vec 2.0 pẹlu ori CTC kan lati kọ awoṣe orisun-si-si-ọrọ ni ede orisun kekere
Ṣiṣẹda ọrọ- ati awọn igba akoko ipele phoneme fun awọn atunkọ ati karaoke nipasẹ titete tipatipa CTC
Ifilelẹ akoko gidi lori ẹrọ nibiti awoṣe CTC ti nṣanwọle ti ṣe igbasilẹ pẹlu airi kekere
Idanimọ afọwọkọ, nibiti CTC ti ka laini ikọwe laisi pipin awọn lẹta kọọkan tẹlẹ
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
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 Connectionist Temporal Classification 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
Itọsọna atẹle
Isọri oriṣi Orin
Awọn ibeere ti a beere nigbagbogbo
What is Connectionist Temporal Classification?
Asopọmọra Temporal Classification (CTC) jẹ iṣẹ ipadanu ati ọna iyipada ti o jẹ ki awọn nẹtiwọọki nkankikan yi ọna ohun afetigbọ gigun sinu ọrọ laisi ẹnikẹni ni ọwọ-titọ ohun kọọkan si lẹta kọọkan. O jẹ ki idamọ ọrọ ipari-si-opin jẹ iṣe nipa yiyanju iṣoro titete iroro naa.
Iṣoro koko wo ni CTC ṣe apẹrẹ lati yanju fun idanimọ ọrọ?
CTC jẹ ki nẹtiwọọki nẹtiwọọki ṣe ikẹkọ lori (ohùn, ọrọ) awọn orisii laisi ẹnikẹni ti o ṣe aami iru fireemu wo ni ibamu si iru kikọ, yanju iṣoro titete.
Kini àmi 'òfo' pataki ni CTC ti a lo fun?
Àmi òfo jẹ ki awoṣe ki o jade 'ko si ohun titun' lori fireemu kan ati, ni itara, ya awọn atunwi otitọ yatọ bi ilọpo-L ni 'hello' lati awọn atunwi ti o ṣubu.
Bawo ni CTC ṣe ṣe iṣiro ipadanu naa fun iwe afọwọkọ ibi-afẹde kan?
CTC nlo algoridimu ti o ni agbara-pada sẹhin lati ṣe akopọ iṣeeṣe lori gbogbo titete ti o ṣe maapu si ibi-afẹde lẹhin idapọ awọn atunwi ati piparẹ awọn ofofo.
Kini awọn ofin meji ti o ṣubu CTC kan lati yi ọna-fireemu sinu ọrọ ikẹhin?
Ọna aise fun-fireemu jẹ iyipada nipasẹ iṣakojọpọ awọn ohun kikọ ẹda-ẹda akọkọ ti o wa nitosi ati lẹhinna yọ gbogbo awọn ami-ami òfo kuro.
Iroro irọrun wo ni CTC boṣewa ṣe nipa awọn abajade rẹ?
CTC dawọle ominira ni àídájú fun-fireemu, eyi ti o mu ki awọn akopọ ti ṣee ṣe sugbon tumo si wipe ko si-itumọ ti ni ede awoṣe.