★

在 ASR 自動語音識別領域，基于 CTC 的聲學模型不再需要對訓練的音頻序列和文本序列進行強制對齊，實際上已經(jīng)初步具備了端到端的聲學模型建模能力。但是 CTC 模型進行聲學建模存在著兩個嚴重的瓶頸，一是缺乏語言模型建模能力，不能整合語言模型進行聯(lián)合優(yōu)化，二是 CTC 有一個不合理的假設：標簽相互獨立，這個基本假設與語音識別任務之間存在著一定程度的背離，因為在語言系統(tǒng)中存在語境的上下文關系。因此針對 CTC 的不足，Transducer 模型可以彌補這種不合理的假設，解決 CTC 的問題。在本次分享中我們將重點討論 Transducer 模型，并通過代碼來訓練和評估 Transducer 模型。

本次網(wǎng)絡研討會主要面向有 NLP 和 Speech AI 開發(fā)需求的開發(fā)者。通過本次網(wǎng)絡研討會，您可以獲得以下信息：

• Transducer 介紹

• Transducer loss 的優(yōu)勢和局限

• Transducer 的模型架構

• ContextNet 的模型架構

• Transducer 模型的訓練和評估

李奕澎 | NVIDIA 企業(yè)開發(fā)者社區(qū)經(jīng)理

擁有多年數(shù)據(jù)分析建模、人工智能自然語言處理開發(fā)經(jīng)驗。在自動語音識別、自然語言處理、語音合成等對話式 AI 技術領域有豐富的實戰(zhàn)經(jīng)驗與見解。曾開發(fā)法律、金融、保險文檔中基于實體抽取的智能問答系統(tǒng)，曾開發(fā)基于 NLP 知識抽取，KG 知識圖譜的建立的科研文檔智能檢索系統(tǒng)。

識別二維碼注冊本次研討會

識別二維碼了解 NVIDIA NeMo 更多信息