ESPnet：端到端语音处理工具包
计算与语言
2018-04-03 v1
摘要
本文介绍一个名为 ESPnet 的用于端到端语音处理的新型开源平台。ESPnet 主要关注端到端自动语音识别（ASR），并采用广泛使用的动态神经网络工具包 Chainer 和 PyTorch 作为主深度学习引擎。ESPnet 还遵循 Kaldi ASR 工具包风格进行数据处理、特征提取/格式化和配方，以提供用于语音识别及其他语音处理实验的完整配置。本文阐述了该软件平台的主要架构、若干使其区别于其他开源 ASR 工具包的重要功能，以及使用主要 ASR 基准的实验结果。
引用
@article{arxiv.1804.00015,
title = {ESPnet: End-to-End Speech Processing Toolkit},
author = {Shinji Watanabe and Takaaki Hori and Shigeki Karita and Tomoki Hayashi and Jiro Nishitoba and Yuya Unno and Nelson Enrique Yalta Soplin and Jahn Heymann and Matthew Wiesner and Nanxin Chen and Adithya Renduchintala and Tsubasa Ochiai},
journal= {arXiv preprint arXiv:1804.00015},
year = {2018}
}