[控场AI]
概念Token-and-Duration Transducer

TDT

一种语音识别解码器架构,联合建模 token 和持续时间,提升对齐和识别性能。

时间轴 (近 90 天)

11月11日

TDT-CTC 混合架构在共享编码器、联合训练 CTC 与 TDT 损失时,可以兼顾 CTC 的快速收敛与 TDT 的精细对齐能力,在多语种、语速多变场景下通常优于单一结构。

待验证50%
11月3日

ufakzeka-kulak 是一个仅有 31.6M 参数的开源土耳其语语音转文字模型,采用 FastConformer 编码器、TDT 和 CTC 头,从零开始训练,以 Apache-2.0 许可证发布。

待验证50%
11月3日

采用贪心 TDT 解码时,模型在 FLEURS 土耳其语测试集上的归一化 WER 为 0.0921,95% 置信区间为 0.0792 至 0.1055。

待验证50%

全部知识事实 (3)

来源文章