ys0510 https://blog.hatena.ne.jp/ys0510/ 社会人博士の深層学習ブログ https://ys0510.hatenablog.com/ 音響信号処理 人工知能 本記事では、End-to-End音声認識手法の概要をサーベイします。 各手法の詳細には触れませんが、そもそもEnd-to-End音声認識とは何かよくわからない方のための記事です。 大体の概要を掴んでいただいた後、各手法の詳細を調べていただければと思います。 End-to-End音声認識モデルとHybrid音声認識モデル 近年、深層学習を用いたEnd-to-End音声認識モデルが大きなトレンドになっていますが、深層学習登場前は、音響モデルと言語モデルがカスケードに接続されたHybridモデルと呼ばれる方法が用いられていました。 以下の図は、Hybrid音声認識モデル（GMM-HMM, DNN-H… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fys0510.hatenablog.com%2Fentry%2Fe2e_asr" title="End-to-End音声認識手法サーベイ　ネットワーク構造による3分類 - 社会人博士の深層学習ブログ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/y/ys0510/20211012/20211012145441.png Hatena Blog https://hatena.blog 2021-10-12 16:54:55 rich https://ys0510.hatenablog.com/entry/e2e_asr 1.0 100%