文章目录1.分词 Word Segmentation2.词预测 Word Prediction3. 文本蕴涵 Textual Entailment4. 语音识别 Automatic Speech Recognition5. 自动摘要 Automatic Summarisation6. 文本纠错 Text Correct7.字音转换 Grapheme to Phoneme Paraph...
转载
2022-10-31 17:32:25
140阅读
nlp任务排行榜
文章目录1.分词 Word Segmentation2.词预测 Word Prediction3. 文本蕴涵 Textual Entailment4. 语音识别 Automatic Speech Recognition5. 自动摘要 Automatic Summarisation6. 文本纠错 Text Correct7.字音转换 Grapheme to Phoneme8
Bengali.AI 总结Bengali.AI Handwritten Classification https://www.kaggle.com/c/bengaliai-cv19 比赛内容：孟加拉字符分类 赛题解析每一个字符由三部分组成：grapheme root (共168类)vowel diacritics (共11类)consonant diacrit
转载
2022-11-29 19:42:25
102阅读
文章目录1. 语音识别的基本单位1.1 Phoneme（音位，音素）1.2 Grapheme（字位）1.3 Word（词）1.4 Morpheme（词素）1.5 bytes2. 获取语音特征（Acoustic Feature）2. 语音识别的网络结构3. 语音识别模型3.1 LAS（Listen, Attend, and Spell）1. down sampling（下采样）2. Beam se
转载
2023-12-26 16:16:57
170阅读
7. Deep Voice: Real-time Neural Text-to-Speech文章于2017年3月发表Deep Voice是使用DNN开发的语音合成系统，主要思想是将传统参数语音合成中的各个模块使用神经网络来代替，包括以下五个模块：grapheme-to-phoneme转换模型：将输入本文转为phoneme序列；segmentation模型：定位音素边界；phoneme durati
PhonetisaurusPhonetisaurus是用于做g2p(grapheme to phoneme)的工具，它的源码地址在这里。编译它的编译依赖openfst，在编译openfst时，如果不指定构建路径在系统路径下，生成的include和lib可能就无法被直接引用到。所以在编译Phonetisaurus时，特别是在configure步骤，会提示依赖的openfst找不到。checking for openfst libraries... configure: error: Can't fi
原创
2022-01-05 13:52:33
248阅读
语音识别中声音和文字的表示声音：通常表示为一个d维、长度为T的向量序列，
文字：表示为长度为N的token序列（token的共V类），token通常用它在词表中id表示。token通常有很多种粒度：Bytes < Grapheme/Phoneme < Morpheme < Word
Phoneme：声音单元，通常需要配合词典（word-phoneme）使用，是一些W,AN,N,P
转载
2024-04-21 16:57:54
101阅读
输入：声音信号，一个向量序列，长度，维度 输出：文本，一个token序列，长度，个不同的tokenTokenPhoneme：发音的基本单位，可以看做音标，需要词典 lexicon：词典，单词到phoneme的映射，这个映射是明确的，但是lexicon的获取比较困难Grapheme：书写的基本单位，例如26个英文字母以及空白符标点符号等，这种方法不需要词典的参与Word：词来当token，但是对于某
转载
2024-10-14 17:46:18
120阅读
论文：,2018CTC的一个问题在于，其假设当前帧的输出与历史输出之间的条件独立性；RNN-T引入预测网络来弥补CTC这种条件独立性假设带来的问题 思想： 1)针对CTC网络的条件独立性假设(当前时刻输出与之前的输出条件独立)，引入语言模型预测网络分支，通过联合前馈神经网络将二者结合，在预测最终输出时能够同时利用声学和语言特征信息; 2)在grapheme作为
转载
2024-07-31 13:24:29
453阅读
