chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

百度端對端語音識別專利揭秘

汽車玩家 ? 來源: 愛集微 ? 作者: 愛集微 ? 2020-01-08 11:17 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

百度公司提出的端對端神經(jīng)網(wǎng)絡(luò)模型來進行語音識別,成功的代替了手工工程化部件的流水線操作,這讓整個語音識別技術(shù)更加便捷,而使用神經(jīng)網(wǎng)絡(luò)來抽取輸入端的特征信息相當于人功抽取特征則更加全面。

集微網(wǎng)消息,近年來,語音識別技術(shù)得到了迅猛的發(fā)展,這得益于人工智能的快速發(fā)展,其中最為主要的學業(yè)界的各大神經(jīng)網(wǎng)絡(luò)的出現(xiàn),包括基礎(chǔ)的序列神經(jīng)網(wǎng)絡(luò)模型RNN、LSTM和GRU。語音識別技術(shù)也已經(jīng)進入到各行各業(yè)中,如工業(yè)、家電、通信汽車電子等。于是,對于語音識別技術(shù)的要求也將更加嚴格了,更傾向于走向準確化和便捷化。

以往,構(gòu)建語音識別模型主要是使用HMM的序列模型,再使用手工工程化部件來實現(xiàn)整個流水線操作,并且對于不同的語言的語音需要重新構(gòu)建模型的結(jié)果特征。對此,國內(nèi)語音識別技術(shù)第一梯隊公司百度便提出了使用端對端的神經(jīng)網(wǎng)絡(luò)模型來進行語音識別工作,該專利為“端對端語音識別”(專利號:CN107408111A)。

首先,小編在這先介紹一下神經(jīng)網(wǎng)絡(luò)端對端的學習方式。對于語音識別來說,端到端深度學習做的是,訓練一個深度神經(jīng)網(wǎng)絡(luò),輸入就是一段音頻,輸出直接是聽寫文本。其中這里的端表示輸入源數(shù)據(jù)端,另外一端是神經(jīng)網(wǎng)絡(luò)處理的結(jié)果也就是我們最終需要的目標。這種訓練學習的方式能應(yīng)對多種語言的語音識別的場景構(gòu)建,因為僅僅是需要改變輸入端和輸出端,深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并不需要根據(jù)語言的語音不同而改變。

專利中提出的端對端的深度學習模型的架構(gòu)圖如圖1所示。該架構(gòu)包括訓練以攝取語譜并生成文本的遞歸神經(jīng)網(wǎng)絡(luò)模型。首先,使用一個或更多個卷積層對語譜進行特征提取,緊接著,使用一個或多個遞歸層(雙向GRU神經(jīng)網(wǎng)絡(luò))對語譜的特征進行時序建模。最后再使用全連接層將遞歸層獲取的語譜信息進行全連接作為CTC(鏈結(jié)式時間分類算法:重點解決輸入數(shù)據(jù)與給定標簽的對齊問題)的輸入,經(jīng)過Softmax計算輸出各個文本標簽的概率。

圖1端對端深度學習模型架構(gòu)圖

經(jīng)過上述端對端深度學習模型構(gòu)建后,專利中還給出了端對端深度學習模型的訓練方法,如圖2所示。

百度端對端語音識別專利揭秘

圖2 端對端深度學習模型訓練方法圖

首先需要為模型設(shè)置好,輸入端和輸出端,對于語音識別技術(shù)來說,輸入端為一時間序列頻譜幀的話語X,輸出端是與話語X具有相關(guān)聯(lián)的真實標簽Y。

構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型(包括一個或多個卷積層和一個或多個遞歸層的模型)用來預(yù)測一個或多個字符也就是我們輸出端的標簽。

根據(jù)網(wǎng)絡(luò)模型的輸出端的標簽的概率分布與真實標簽的誤差計算損失函數(shù),提供損失函數(shù)推出標簽預(yù)測的誤差,再使用梯度反向傳播算法更新模型參數(shù)。從而達到網(wǎng)絡(luò)模型學習的目的。

百度公司提出的端對端神經(jīng)網(wǎng)絡(luò)模型來進行語音識別,成功的代替了手工工程化部件的流水線操作,這讓整個語音識別技術(shù)更加便捷,而使用神經(jīng)網(wǎng)絡(luò)來抽取輸入端的特征信息相當于人功抽取特征則更加全面,這讓整個語音識別技術(shù)更加準確。從這兩方面來看,端對端的神經(jīng)網(wǎng)絡(luò)模型確實是讓語音識別技術(shù)走向了便捷化,準確化。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 百度
    +關(guān)注

    關(guān)注

    9

    文章

    2351

    瀏覽量

    93848
  • 語音識別
    +關(guān)注

    關(guān)注

    39

    文章

    1795

    瀏覽量

    115064
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    語音交互數(shù)據(jù) 精準賦能語音大模型進階

    語音大模型從“能識別”向“懂語境”跨越的關(guān)鍵階段,高質(zhì)量場景化語音數(shù)據(jù)已成為制約技術(shù)突破的核心瓶頸。傳統(tǒng)語音識別數(shù)據(jù)集采用孤立標注,在
    的頭像 發(fā)表于 09-11 17:17 ?432次閱讀

    廣和通發(fā)布自研側(cè)語音識別大模型FiboASR

    7月,全球領(lǐng)先的無線通信模組及AI解決方案提供商廣和通,發(fā)布其自主研發(fā)的語音識別大模型FiboASR。該模型專為側(cè)設(shè)備上面臨的面對面實時對話及多人會議場景深度優(yōu)化,在低延遲語音交互、
    的頭像 發(fā)表于 08-04 11:43 ?1189次閱讀

    百度地圖重磅發(fā)布地圖AI開放平臺

    近日,在WGDC25全球時空智能大會上,百度地圖重磅發(fā)布地圖AI開放平臺。百度地圖深耕20年的數(shù)據(jù)能力、引擎能力與AI技術(shù)全面開放,向開發(fā)者深度開放四大核心能力和五大場景解決方案。
    的頭像 發(fā)表于 05-26 11:26 ?1211次閱讀

    百度在AI領(lǐng)域的最新進展

    近日,我們在武漢舉辦了Create2025百度AI開發(fā)者大會,與全球各地的5000多名開發(fā)者,分享了百度在AI領(lǐng)域的新進展。
    的頭像 發(fā)表于 04-30 10:14 ?961次閱讀

    上汽大眾與百度地圖達成戰(zhàn)略合作

    近日,上海國際車展期間,百度地圖與上汽大眾舉行科技X生態(tài)戰(zhàn)略合作伙伴簽約儀式,雙方將基于百度領(lǐng)先的車道級地圖產(chǎn)品,為上汽大眾千萬車主打造更安全、高效的智能化出行體驗。上汽大眾總經(jīng)理陶海龍、百度副總裁尚國斌等出席簽約儀式。
    的頭像 發(fā)表于 04-29 17:28 ?850次閱讀

    百度AI榮獲2025愛迪生獎金獎和銀獎

    剛剛,百度AI在「2025愛迪生獎」中獲得一金一銀兩項大獎。
    的頭像 發(fā)表于 04-08 15:43 ?705次閱讀

    百度搜索,能否將DeepSeek變成“內(nèi)功”?

    實測之后,會發(fā)現(xiàn)百度搜索和DeepSeek稱得上“王炸組合”
    的頭像 發(fā)表于 02-21 10:04 ?2699次閱讀
    <b class='flag-5'>百度</b>搜索,能否將DeepSeek變成“內(nèi)功”?

    百度文心大模型4月1日起全面免費開放

    近日,百度公司正式對外宣布,其備受關(guān)注的文心大模型在經(jīng)過一系列迭代與優(yōu)化后,將于4月1日零時全面免費開放給所有用戶。此次免費開放的覆蓋范圍廣泛,包括所有PC及App用戶,讓用戶能夠盡情體驗文心系
    的頭像 發(fā)表于 02-14 09:19 ?614次閱讀

    百度科啟動“繁星計劃”

    近日,百度科攜手中國科協(xié)、中國科學院大學共同舉辦了史記2024·科學科100詞發(fā)布會,并在此盛會上正式啟動了“繁星計劃”。這一計劃的核心目標在于利用前沿的AI技術(shù),包括數(shù)字人、智能體等,以及
    的頭像 發(fā)表于 12-31 10:26 ?988次閱讀

    ElfBoard開源項目|百度智能云平臺的人臉識別項目

    百度智能云平臺的人臉識別項目,旨在利用其強大的人臉識別服務(wù)實現(xiàn)自動人臉識別。選擇百度智能云的原因是其高效的API接口和穩(wěn)定的服務(wù)質(zhì)量,能夠幫
    的頭像 發(fā)表于 12-24 10:54 ?1635次閱讀
    ElfBoard開源項目|<b class='flag-5'>百度</b>智能云平臺的人臉<b class='flag-5'>識別</b>項目

    百度進軍短劇領(lǐng)域,計劃全面升級平臺

    近日,據(jù)天眼查知識產(chǎn)權(quán)信息顯示,百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司已經(jīng)正式申請注冊了“百度短劇”商標。該商標的國際分類涵蓋了網(wǎng)站服務(wù)、科學儀器以及教育娛樂等多個領(lǐng)域,且當前商標狀態(tài)均為等待實質(zhì)審查
    的頭像 發(fā)表于 12-19 10:25 ?943次閱讀

    百度正式回應(yīng)進軍短劇領(lǐng)域

    近日,百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司在知識產(chǎn)權(quán)領(lǐng)域有了新的動作,據(jù)天眼查信息顯示,該公司已申請注冊“百度短劇”商標,涵蓋網(wǎng)站服務(wù)、科學儀器、教育娛樂等多個國際分類,目前這些商標均處于等待實質(zhì)審查
    的頭像 發(fā)表于 12-17 14:19 ?751次閱讀

    階躍星辰發(fā)布國內(nèi)首個千億參數(shù)語音大模型

    近日,階躍星辰在官方公眾號上宣布了一項重大突破——推出Step-1o千億參數(shù)語音大模型。該模型被譽為“國內(nèi)首個千億參數(shù)
    的頭像 發(fā)表于 12-17 13:43 ?950次閱讀

    百度文心大模型日均調(diào)用量超15億

    近日,百度在上海世博中心舉辦了主題為“應(yīng)用來了”的百度世界2024大會。會上,百度董事長李彥宏分享了關(guān)于大模型行業(yè)的最新動態(tài)和百度文心大模型的顯著進展。
    的頭像 發(fā)表于 11-12 15:28 ?837次閱讀

    百度將發(fā)布AI智能眼鏡

    近日,有知情人士透露,百度旗下的人工智能品牌小計劃在即將舉行的百度世界大會上推出一款全新的AI智能眼鏡。這款眼鏡將內(nèi)置先進的人工智能助手,并配備攝像頭,為用戶提供前所未有的智能體驗。
    的頭像 發(fā)表于 11-11 14:50 ?1117次閱讀