概念Recurrent Neural Network Transducer
RNN-T
RNN-T 是一种用于流式语音识别的端到端模型架构,结合了循环神经网络和转录器结构,支持在线解码。
时间轴 (近 90 天)
11月11日
传统流式语音识别方案通常依赖 CTC(Connectionist Temporal Classification)或 RNN-T 等结构,按帧或按音素块逐步解码,但解码单元仍然要等到对应音素基本完整才输出。
待验证50%
11月1日
设备端语音识别通常依赖经过量化和剪枝的轻量级模型,例如基于 CTC 或 RNN-T 架构的端到端模型。
待验证50%
9月8日
RNN-T由Graves于2012年提出,在CTC基础上增加了预测网络来捕捉输出序列内部的依赖关系
待验证50%
9月8日
CTC是对齐无关的判别模型,解码可以完全并行化,延迟极低;RNN-T引入自回归机制需要顺序解码,计算复杂度显著高于CTC
待验证50%
9月8日
研究者选取了两个独立训练的Conformer-Large识别器作为研究对象,分别采用CTC和RNN-T解码器
待验证50%
全部知识事实 (5)
待验证
传统流式语音识别方案通常依赖 CTC(Connectionist Temporal Classification)或 RNN-T 等结构,按帧或按音素块逐步解码,但解码单元仍然要等到对应音素基本完整才输出。
50%待验证设备端语音识别通常依赖经过量化和剪枝的轻量级模型,例如基于 CTC 或 RNN-T 架构的端到端模型。
50%待验证RNN-T由Graves于2012年提出,在CTC基础上增加了预测网络来捕捉输出序列内部的依赖关系
50%待验证CTC是对齐无关的判别模型,解码可以完全并行化,延迟极低;RNN-T引入自回归机制需要顺序解码,计算复杂度显著高于CTC
50%待验证研究者选取了两个独立训练的Conformer-Large识别器作为研究对象,分别采用CTC和RNN-T解码器
50%