用于直接语音翻译的高效 Transformer
计算与语言
2021-07-08 v1 声音
音频与语音处理
摘要
基于 Transformer 的模型的出现已超越了文本的障碍。在处理语音时，我们必须面对一个问题：音频输入的序列长度不适合 Transformer。为绕过该问题，通常的做法是添加步幅卷积层，以在使用 Transformer 之前缩短序列长度。本文提出一种用于直接语音翻译的新方法，得益于高效 Transformer，我们能够处理频谱图而无需在 Transformer 之前使用卷积层。这使得编码器能够直接从频谱图学习且不会丢失信息。我们构建了一个编码器-解码器模型，其中编码器为高效 Transformer——Longformer——解码器为传统 Transformer 解码器。我们的结果接近于标准方法所得结果，表明这是一个有前景的研究方向。
引用
@article{arxiv.2107.03069,
title = {Efficient Transformer for Direct Speech Translation},
author = {Belen Alastruey and Gerard I. Gállego and Marta R. Costa-jussà},
journal= {arXiv preprint arXiv:2107.03069},
year = {2021}
}
备注
(c) 2021 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works