Gbọ Wa ati Spell
Tẹtisi, Lọ ati Spell (LAS) jẹ ami-ami ti nẹtiwọọki nkankikan 2015 ti o ṣe akọwe ọrọ taara si awọn kikọ, laisi iwe-itumọ pronunciation ti a fi ọwọ ṣe tabi awoṣe ede lọtọ.
Akopọ
Tẹtisi, Lọ ati Spell (LAS) jẹ ami-ami ti nẹtiwọọki nkankikan 2015 ti o ṣe akọwe ọrọ taara si awọn kikọ, laisi iwe-itumọ pronunciation ti a fi ọwọ ṣe tabi awoṣe ede lọtọ. O fihan pe awoṣe ipari-si-opin kan le ṣe idanimọ ọrọ.
Gbọ Wiwa ati Spell joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
Gbọ, Wa ati Spell, ti a ṣe nipasẹ Google awọn oluwadi Chan, Jaitly, Le, ati Vinyals ni ọdun 2015, jẹ ọkan ninu awọn oludamọ ọrọ-ipari-si-opin otitọ akọkọ. O ni awọn ẹya meji: 'Olugbọ,' LSTM bidirectional pyramidal ti o ṣe koodu ohun ohun lakoko ti o dinku iwọn akoko, ati 'Speller,' oluyipada LSTM ti o da lori akiyesi ti o njade awọn ohun kikọ lọkọọkan ni akoko kan. Ilana ifarabalẹ jẹ ki Speller dojukọ lori ege ohun afetigbọ ti o yẹ fun lẹta ti o wujade kọọkan. Ko dabi awọn opo gigun ti HMM-DNN agbalagba, LAS ko nilo iwe-itumọ foonu, ko si titete tipatipa, ko si si awoṣe ede ikẹkọ lọtọ; o kọ ẹkọ akọtọ, awọn aala ọrọ, ati awọn acoustics ni apapọ lati inu ohun afetigbọ. O ṣe atilẹyin taara ti ode oni-si-tẹle ati awọn eto ASR ti o da lori akiyesi.
Imọ-imọ-ẹrọ
Las parapo encoder-decoder pẹlu akiyesi. The pyramidal LSTM encoder halves the time resolution at each of three layers, cutting a long acoustic sequence into a manageable length so attention is tractable. At every decoding step the Speller computes attention weights over all encoder states, blends them into a context vector, and predicts the next character. Training maximizes the probability of the correct character sequence; a scheduled-sampling trick reduces train/test mismatch.
Mastering Gbọ Wiwa ati Spell
Lati kọ oye ti o jinlẹ, tọju Wa Wa ati Spell gẹgẹbi awoṣe iṣẹ, kii ṣe ẹya kan. Ṣetumo awọn abajade ti o fẹ, ṣe alaye awọn arosinu, ati sọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
In practice, strong teams using Listen Attend and Spell treat quality, latency, and consent as equally important parts of the deployment strategy. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni akoko kanna, ilokulo ohun ati awọn eewu imisi eniyan n pọ si nigbati igbanilaaye ba sonu. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Ṣiṣejade ede Gẹẹsi ti a sọ taara sinu awọn lẹta laisi iwe-itumọ pronunciation
Ṣiṣẹ bi ipilẹ imọran fun ifarabalẹ ti o da lori ohun ati awọn eto ifori
Ti n ṣe afihan ikẹkọ ipari-si-opin fun iṣẹ-ṣiṣe idawọle-ọrọ ti ẹkọ-ẹkọ ati awọn aṣepari
Awọn awoṣe itọsẹ-si-tẹle ti o ni iyanilẹnu ti a lo nigbamii ni awọn opo gigun ti itumọ ọrọ
Awọn Ilana imuse
Gbọ Wa ati Lọkọọkan ni iṣe
Ṣiṣejade ede Gẹẹsi ti a sọ taara sinu awọn lẹta laisi iwe-itumọ pronunciation.
Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpinpin awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Gbọ Wa ati Lọkọọkan ni iṣe
Ṣiṣẹ bi ipilẹ imọran fun ifarabalẹ ti o da lori ohun ati awọn eto ifori.
Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpinpin awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Gbọ Wa ati Lọkọọkan ni iṣe
Ti n ṣe afihan ikẹkọ ipari-si-opin fun iṣẹ-ṣiṣe idawọle-ọrọ ti ẹkọ-ẹkọ ati awọn aṣepari.
Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpinpin awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Gbọ Wa ati Lọkọọkan ni iṣe
Awọn awoṣe itọsẹ-si-tẹle ti o ni iyanilẹnu ti a lo nigbamii ni awọn opo gigun ti itumọ ọrọ.
Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpinpin awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
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.
Ṣe itọju eyi bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣe itọju eyi bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Ṣe itọju eyi bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Ṣe itọju eyi bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Tesiwaju Ṣiṣawari
Check your understanding
Test yourself: take the Listen Attend and Spell quiz