利用神经架构搜索提升端到端语音识别
音频与语音处理
2023-05-23 v2 信息检索
机器学习
声音
摘要
深度神经网络（DNNs）已被证明在自动语音识别（ASR）中优于许多传统机器学习算法。在本文中，我们展示了通过有效的神经架构优化，可以以极低的计算成本大幅提深语音模型的准确率。使用流行的LibriSpeech和TIMIT基准进行的音素识别测试证明了这一事实，其显示出能够在几小时（不到一天）内发现并训练新颖候选模型，速度比基于注意力的seq2seq模型快许多倍。我们的方法在LibriSpeech语料库上实现了7%词错误率（WER）的测试错误，在TIMIT语料库上实现了13%音素错误率（PER），与最先进结果相当。
引用
@article{arxiv.1912.05946,
title = {Leveraging End-to-End Speech Recognition with Neural Architecture Search},
author = {Ahmed Baruwa and Mojeed Abisiga and Ibrahim Gbadegesin and Afeez Fakunle},
journal= {arXiv preprint arXiv:1912.05946},
year = {2023}
}
备注
A large part of the document needs to be reviewed to meet current standards in the Automatic Speech Recognition