计算机科学 > 计算与语言
[提交于 2022年7月5日
]
标题: 计算成本分摊变换器用于流式自动语音识别
标题: Compute Cost Amortized Transformer for Streaming ASR
摘要: 我们提出了一种流式传输、基于Transformer的端到端自动语音识别(ASR)架构,该架构通过计算成本分摊实现了高效的神经推理。 我们的架构在推理时动态创建稀疏计算路径,从而在整个解码过程中选择性地使用计算资源,实现了计算量的显著减少,同时对准确性影响最小。 该完全可微的架构通过一个配套的轻量级仲裁机制进行端到端训练,在帧级别操作以对每个输入做出动态决策,同时使用可调损失函数来将整体计算水平与预测性能进行正则化。 我们报告了在LibriSpeech数据上进行的计算分摊Transformer-Transducer(T-T)模型实验的实证结果。 我们最佳的模型可以在仅增加3%相对词错误率(WER)的情况下实现60%的计算成本降低。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.