杨学锐-语音大模型:从级联到端到端-202510.pdf

编号:1188832 PDF 59页 5.79MB 下载积分:VIP专享
下载报告请您先登录!

杨学锐-语音大模型:从级联到端到端-202510.pdf

1、语音大模型:从级联到端到端杨学锐目录010203040605LLM 如何重塑语音技术如何构建端到端语音模型表征如何构建端到端语音模型架构如何构建端到端语音模型训推如何构建端到端语音模型任务模型评估:什么是好模型01LLM 如何重塑语音技术LLM 如何重塑语音技术 传统语音技术 流水线式架构:误差逐级传递,信息流失;理解:只能处理简单指令,无法进行多轮、多模态的深度推理;表达:TTS声音机械,韵律模板化,没有真正的“人感”;LLM 如何重塑语音技术 ASR Open-source Whisper*SenseVoice FireredASR Close-source/API SeedASR Ste

2、pASR*Radford A,Kim J W,Xu T,et al.Robust speech recognition via large-scale weak supervisionCLLM 如何重塑语音技术 ASR Non-LLM Paraformer*Open-source Whisper SenseVoice FireredASR Close-source/API SeedASR StepASR*Gao Z,Zhang S,McLoughlin I,et al.Paraformer:Fast and accurate parallel transformer for non-autor

3、egressive end-to-end speech recognitionJ.LLM 如何重塑语音技术 ASR Non-LLM Paraformer*Open-source Whisper SenseVoice FireredASR Close-source/API SeedASR StepASR*Gao Z,Zhang S,McLoughlin I,et al.Paraformer:Fast and accurate parallel transformer for non-autoregressive end-to-end speech recognitionJ.LLM 如何重塑语音技

4、术 ASR Open-source Whisper SenseVoice FireredASR Close-source/API SeedASR StepASR*Text token outputContext/Hotwords*https:/ 如何重塑语音技术 ASR Open-source Whisper SenseVoice-L FireredASR Close-source/API SeedASR StepASR1 Yang X,Li J,Zhou X.A novel pyramidal-FSMN architecture with lattice-free MMI for speec

5、h recognitionJ.arXiv preprint arXiv:1810.11352,2018.2 Gulati A,Qin J,Chiu C C,et al.Conformer:Convolution-augmented transformer for speech recognitionJ.arXiv preprint arXiv:2005.08100,2020.3 Bai Y,Chen J,Chen J,et al.Seed-asr:Understanding diverse speech and contexts with llm-based speech recognitio

6、nJ.arXiv preprint arXiv:2407.04675,2024.4 Wu B,Yan C,Hu C,et al.Step-audio 2 technical reportJ.arXiv preprint arXiv:2507.16632,2025.LLM 如何重塑语音技术*Xie T,Rong Y,Zhang P,et al.Towards controllable speech synthesis in the era of large language models:A surveyJ.arXiv e-prints,2024:arXiv:2412.06602.LLM 如何重

友情提示

1、下载报告失败解决办法
2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。

本文(杨学锐-语音大模型:从级联到端到端-202510.pdf)为本站 (bungbung) 主动上传,三个皮匠报告文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知三个皮匠报告文库(点击联系客服),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。
客服
商务合作
小程序
服务号
折叠