Awọn awoṣe Onitumọ RNN
RNN-Transducer (RNN-T) jẹ faaji idanimọ ọrọ sisọ-ọrẹ ṣiṣanwọle ti o ṣe atunṣe ailagbara ti CTC ti o tobi julọ - ailagbara rẹ lati ṣe awoṣe awọn igbẹkẹle laarin awọn ami iṣejade.
Akopọ
It powers much of the on-device 'live' speech recognition you use every day.
Jin Dive
Paapaa ti a ṣe nipasẹ Alex Graves (2012), RNN-Transducer daapọ awọn paati mẹta. Kooduopo (nẹtiwọọki transcription) ṣe ilana awọn fireemu ohun sinu awọn ẹya akositiki. Nẹtiwọọki asọtẹlẹ n ṣiṣẹ bi awoṣe ede kan, ni ibamu lori ọna ti awọn ami ọrọ ti a jade tẹlẹ. Nẹtiwọọki apapọ kekere kan lẹhinna dapọ iwo koodu koodu ti 'ibiti a wa ninu ohun' pẹlu wiwo nẹtiwọọki asọtẹlẹ ti 'ohun ti a ti sọ titi di isisiyi' lati ṣe ami ami ami atẹle lori fokabulari kan ti o pẹlu ofifo kan. Ko dabi CTC, nẹtiwọọki asọtẹlẹ yọkuro arosinu-ominira ipo, nitorinaa RNN-T kọ akọtọ ojulowo ati awọn ilana ọrọ inu. Yiyipada nrin lattice 2D ti akoko ohun-orin dipo awọn ami-ijadejade, njade awọn ofo lati ni ilosiwaju nipasẹ ohun ati awọn ami-ami gidi lati ni ilọsiwaju nipasẹ ọrọ - nipa ti n ṣe atilẹyin iṣelọpọ ṣiṣanwọle.
Imọ-imọ-ẹrọ
Ipadanu RNN-T, bii CTC's, ṣe akopọ lori gbogbo awọn ọna titete ti o wulo nipasẹ isọdọtun-pada sẹhin, ṣugbọn lori akoj onisẹpo meji (awọn igbesẹ akoko nipasẹ awọn ipo iṣejade) dipo ọna kan. Emitting kan ti kii ṣe ofo duro ni aaye ohun afetigbọ kanna ati ilọsiwaju atọka aami; emitting kan òfo awọn ilọsiwaju akoko. Ẹya monotonic yii, apa osi-si-ọtun jẹ deede idi ti RNN-T ṣiṣan ni mimọ pẹlu airi aala, ko dabi akiyesi kikun eyiti o le yoju ni gbogbo ọrọ.
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 RNN-Transducer Models
RNN-T jẹ yiyan ti o ga julọ fun iṣelọpọ ṣiṣanwọle ASR ati lilo pupọ si awọn koodu koodu Conformer dipo awọn LSTM. Iwadi dojukọ lori gige idiyele iranti ti o wuwo lakoko ikẹkọ, ṣiṣakoso lairi itujade ki awọn akọle han ni iyara, ati isọdọtun 'sare emit'. Reti isokan ti o tẹsiwaju pẹlu iṣaju iṣaju ti ara ẹni ati awọn transducers multilingual, pẹlu imuṣiṣẹ lori ẹrọ bi asọtẹlẹ ati awọn nẹtiwọọki apapọ ti ni iwọn ati gige.
Real-World imuse
Google's idanimọ ọrọ lori ẹrọ fun titọ ọrọ Gboard ati Agbohunsile Pixel, nṣiṣẹ ni kikun offline
Ifilelẹ ifiwe ti o san awọn ọrọ bi o ṣe n sọrọ dipo ki o duro de ọ lati pari gbolohun ọrọ kan
Awọn oluranlọwọ ohun kikọ awọn aṣẹ pẹlu lairi kekere lakoko ti o tun n sọrọ
Ipade akoko gidi ati transcription ipe nibiti awọn abajade apa kan gbọdọ han nigbagbogbo
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 RNN-Transducer Models 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
Meji-Path RNN Iyapa
Awọn ibeere ti a beere nigbagbogbo
What is RNN-Transducer Models?
RNN-Transducer (RNN-T) jẹ faaji idanimọ ọrọ sisọ-ọrẹ ṣiṣanwọle ti o ṣe atunṣe ailagbara ti CTC ti o tobi julọ - ailagbara rẹ lati ṣe awoṣe awọn igbẹkẹle laarin awọn ami iṣejade. O ṣe agbara pupọ ti idanimọ ọrọ 'laaye' lori ẹrọ ti o lo lojoojumọ.
Eyi ti aropin ti CTC ni RNN-Transducer adirẹsi pataki?
RNN-T ṣe afikun nẹtiwọọki asọtẹlẹ ti awọn ipo lori awọn ami iṣaaju, yọkuro ero inu CTC pe iṣelọpọ kọọkan jẹ ominira ti a fun ohun naa.
Kini awọn ẹya akọkọ mẹta ti RNN-Transducer?
RNN-T so koodu ohun afetigbọ pọ pẹlu nẹtiwọọki asọtẹlẹ-ọrọ, ti a dapọ nipasẹ nẹtiwọọki apapọ kekere ti o jẹ ami ami atẹle.
Kini ipa wo ni nẹtiwọọki asọtẹlẹ ṣe ninu RNN-T?
Nẹtiwọọki asọtẹlẹ n ṣiṣẹ bi awoṣe ede inu lori itan-akọọlẹ ami iṣejade, fifun akọtọ ojulowo RNN-T ati awọn ilana ọrọ.
Kini idi ti RNN-T ṣe atilẹyin ṣiṣan lairi kekere bẹ nipa ti ara?
RNN-T nrin lattice monotonic akoko-nipasẹ-àmi, nitorinaa o le ṣejadejade bi ohun afetigbọ ti de pẹlu lairi aala dipo ki o duro de agekuru ni kikun.
Ninu iyipada RNN-T, kini jijade ami-ami òfo ṣe?
Ninu lattice RNN-T, òfo kan ni ilọsiwaju akoko akoko (lọ si fireemu ohun afetigbọ atẹle), lakoko ti kii ṣe ofo ni ilọsiwaju ipo aami.