请选择 进入手机版 | 继续访问电脑版

最强CNN语音识别算法开源了:词错率5%,训练超快,Facebook出品

2020-04-30| 发布者: 产品狗| 查看: 206

夏乙 发自 麦蒿寺量子位 出品 | 公众号 QbitAI第一个全卷积语音识别工具包wav2letter++开源了。出品方Facebook称之为现有“最快的、顶尖水平的”语音识别系统。抛开广告法不谈,我们来全面了解一下wav2letter++,看 ...

夏乙 发自 麦蒿寺量子位 出品 | 公众号 QbitAI



最强CNN语音识别算法开源了:词错率5%,训练超快,Facebook出品


第一个全卷积语音识别工具包wav2letter++开源了。

出品方Facebook称之为现有“最快的、顶尖水平的”语音识别系统。

抛开广告法不谈,我们来全面了解一下wav2letter++,看看Facebook哪来的勇气口出狂言。

wav2letter++由Facebook AI研究院(FAIR)的语音团队推出,以C++写成,使用了ArrayFire张量库和flashlight机器学习库。

Facebook还说,它是第一个完全由C++写成的语音识别系统,也是第一个全卷积语音识别系统。

所谓“全卷积”,指的是wav2letter++在从声波到文本的处理过程中,所有可学习的部件都是由卷积层构成的,声音建模、语言建模任务全部由CNN完成。



最强CNN语音识别算法开源了:词错率5%,训练超快,Facebook出品


一般来说,在声音和语言建模任务上,循环网络架构才是更常用的。不过,CNN构成的wav2letter++在性能上也不输那些RNN模型。

Facebook团队在论文中,将他们的wav2letter++和其他主流开源语音识别系统做了比较。

他们说,某些情况下,wav2letter++训练语音识别端到端神经网络速度是其他框架2倍还多,而且用1亿个参数的模型测试,使用从1到64个GPU,训练时间是线性变化的。



最强CNN语音识别算法开源了:词错率5%,训练超快,Facebook出品


其实,wav2letter++还有个不带加号的前身,叫做wav2letter,用Lua语言写成。现在,新版占用了原版的GitHub仓库地址,而原来的wav2letter被放到了wav2letter-lua分支下。

想要复现wav2letter++也不难。因为它使用的机器学习库flashlight也同时开源了。这个机器学习库用现代的C++即时编译,CPU、GPU都可用,以求效率和规模的最大化。

最后,附上传送门~

GitHub地址:

https://github.com/facebookresearch/wav2letter

论文:



最强CNN语音识别算法开源了:词错率5%,训练超快,Facebook出品


wav2letter++: The Fastest Open-source Speech Recognition System

Vineel Pratap, Awni Hannun, Qiantong Xu, Jeff Cai, Jacob Kahn, Gabriel Synnaeve, Vitaliy Liptchinsky, Ronan Collobert

https://arxiv.org/pdf/1812.07625.pdf




诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态


鲜花

握手

雷人

路过

鸡蛋

0条评论 206人参与 网友评论 文明发言,请先登录注册

文明上网理性发言,请遵守国家法律法规。

最新评论

©2001-2018 站长头条 https://www.zztt8.com/中国互联网举报中心陇ICP备20002644号-3 非经营性网站Powered byDiscuz!X3.4公安网备
Archiver手机版小黑屋广告合作客服QQ:1430738212Comsenz Inc.