【教程】语音识别中的End-to-End模型教程（附178页PDF全文下载）

【导读】Interspeech是由国际语音通信协会ISCA（International Speech Communication Association）组织的语音研究领域的顶级会议之一，是全球最大的综合性语音信号处理领域的科技盛会，该会议每年举办一次，每次都会吸引全球语音信号领域以及人工智能领域知名学者、企业以及研发人员参加。本期内容为大家整理了google研究人员Rohit Prabhavalkar在大会上的端到端语音识别模型教程，希望对大家有所帮助。

介绍：

传统的语音识别系统是由一组独立的构件组成，即声学模型（AM）、语音模型（PM）、语言模型（LM）。其中AM输入以声学特征为主（通常是上下文相关的音素），以预测subword单元的分布；PM一般情况是人工设计的词典集合，它将声学模型产生的subword单元序列映射到单词上；最终，通过LM构件对各种词的概率进行计算，得到文本序列。

在传统的自动语音识别系统中，这些构件是在不同数据集上独立训练的，并且有一些独立的假设以方便处理。而在过去的几年里，人们对开发端到端的语音识别系统越来越感兴趣，这些系统试图在单个系统中完成多个构件的工作。例如基于attention的模型、循环神经传感器、循环神经校准器、目标词时序分类等。这些模型的共同特点在于，它们组成在一个单一的神经网络上，当接收一段语音信息后，直接输出一组图形或文字的概率分布。随着研究的逐渐深入，这种端到端的模型可以超过传统自动语音识别系统的性能。

在本教程中，我们将详细介绍自动语音识别中的端到端建模方案，从这些系统的历史发展开始，同时分析这些方法的共性和区别；进而，我们将讨论一些最近的创新工作，这些创新极大地改进了端到端模型的性能，使它们能够超过传统的自动语音识别系统的性能；然后，本教程将描述这项研究的一些令人兴奋的应用，以及一些可能的研究方向；最终，我们将讨论端到端模型现在存在的问题，以及将来所面临的挑战。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“EESR” 就可以获取全文报告 PDF下载链接~ 

附PDF全文：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知