LAST：JAX 中可扩展的基于格点的语音建模
计算与语言
2023-04-27 v1
摘要
我们介绍 LAST，一个 JAX 中的基于 LAttice 的语音转导器（Speech Transducer）库。LAST 注重灵活性、易用性和可扩展性，实现了训练和推理所需的可微加权有限状态自动机（WFSA）算法，这些算法可扩展到大型 WFSA，例如整个话语上的识别格点。尽管这些 WFSA 算法在文献中已广为人知，但现代架构的性能特征以及自动微分中的细微之处带来了新的挑战。我们描述了 LAST 中采用的一套普遍适用的技术来应对这些挑战，并通过在 TPUv3 和 V100 GPU 上的基准测试展示了其有效性。
引用
@article{arxiv.2304.13134,
title = {LAST: Scalable Lattice-Based Speech Modelling in JAX},
author = {Ke Wu and Ehsan Variani and Tom Bagby and Michael Riley},
journal= {arXiv preprint arXiv:2304.13134},
year = {2023}
}