待验证50% 置信事实精确时间

2012年后深度学习兴起，端到端神经网络模型使通用场景下的语音识别错误率降至5%以下

1

来源数

50%

置信度

长期有效

时效性

2026/9/2

首次发现

来源

Gemini 3.5 Transcribe实测：免费实时翻译85种语言教程

涉及实体

深度学习concept 端到端神经网络concept

相关事实

待验证2012年深度学习浪潮兴起后，DNN-HMM混合架构逐步取代纯GMM方案，此后CTC损失函数普及和端到端模型崛起带来语音识别范式革命70% 相似待验证SPLADE和DeepImpact是学习稀疏检索的代表，产生稀疏向量但每个词权重由神经网络学习得出，能做词项扩展70% 相似待验证2012年深度学习浪潮后，深度神经网络逐步替代GMM形成DNN-HMM混合架构69% 相似待验证ElevenLabs基于深度学习模型，能够生成接近真人水平的语音输出，捕捉语调、节奏、情感等细微特征68% 相似待验证深度神经网络降噪的代表性方案包括RNNoise和DeepFilterNet68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/845839

API

curl https://kongchang.com/api/v1/knowledge/claims/845839

MCP

get_claim(id=845839)