Audio AI Itọsọna

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. Piramidal LSTM encoder ṣe idaji ipinnu akoko ni ọkọọkan awọn fẹlẹfẹlẹ mẹta, gige ọkọọkan akositiki gigun sinu gigun ti o le ṣakoso nitoribẹẹ akiyesi jẹ gbigbe. Ni gbogbo igbesẹ iyipada, Speller ṣe iṣiro awọn iwọn akiyesi lori gbogbo awọn ipinlẹ kooduopo, o da wọn pọ si fekito ọrọ-ọrọ, ati asọtẹlẹ ohun kikọ ti o tẹle. Ikẹkọ maximizes awọn iṣeeṣe ti awọn ti o tọ kikọ ọkọọkan; omoluabi eto-iṣapẹẹrẹ din reluwe / igbeyewo mismatch.

Mastering Gbọ Wiwa 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. 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. Lati kọ oye ti o jinlẹ, ṣe itọju Tẹtisi Wiwa ati Spell bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣe alaye awọn arosọ, ati lọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.

Ni iṣe, awọn ẹgbẹ ti o lagbara ti o nlo Iwadii Tẹtisi ati Sipeli toju didara, lairi, ati igbanilaaye gẹgẹbi awọn ẹya pataki kanna ti ilana imuṣiṣẹ. 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.

Ojo iwaju ti Gbọ Wiwa ati Spell

Las ni bayi itan, ṣugbọn awọn oniwe-DNA nṣiṣẹ nipasẹ gbogbo igbalode ASR eto. Ero-iyipada koodu aiyipada ti o da lori akiyesi rẹ wa sinu Amunawa ati awọn oludamọ Conformer, lakoko ti o jọmọ awọn isunmọ bii RNN-Transducer agbara lori-itumọ ẹrọ. Awọn ọna ṣiṣe iwaju tẹsiwaju itọpa ipari-si-opin yii, idasi idanimọ pẹlu itumọ ati oye ni awọn awoṣe multilingual ẹyọkan, ati titari si ṣiṣanwọle, transcription kekere-lairi ti LAS, ti kii ṣe ṣiṣanwọle, ko le pese ni akọkọ.

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.

Ṣiṣakosilẹ 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 tọpa 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.

Ṣiṣẹ bi ipilẹ imọran fun ifarabalẹ ti o da lori ifarabalẹ ati awọn eto ifori Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa 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.

Ṣiṣafihan ikẹkọ ipari-si-opin fun iṣẹ iṣẹ-ṣiṣe idanimọ ọrọ-ọrọ ati awọn ami aṣepari Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ 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 awoṣe iyanilenu-si-tẹle nigbamii ti a lo ninu awọn opo gigun ti ọrọ-ọrọ Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa 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

1

Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.

Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.

2

Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.

Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.

3

Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.

Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.

4

Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.

Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.

Tesiwaju Ṣiṣawari