| Постоянная ссылка (СИД2) |
J2102442969 |
| Название - перевод на рус. язык |
Многоканальный преобразователь: модель на основе трансформатора для речи с несколькими динамиками |
| Название |
Multi-channel transformer: A transformer-based model for multi-speaker speech recognition |
| Автор |
Fadeeva E. S. |
| Автор |
Ershov V. A. |
| Источник |
Информатика. Телекоммуникации. Управление. Электронный журнал |
| Страницы/Объём |
73-85 |
| Сокращ. назв. источника |
Информат. Телекоммуникации. Упр. Электрон. ж. |
| Год |
2022 |
| Том |
15 |
| Номер |
4 |
| Адрес в Интернет |
http://elibrary.ru/item.asp?id=50183763 |
| Постоянная ссылка (СИД) |
J21024429 |
| Ключевые слова (авторские) |
Multi-speaker speech recognition%diarization%speech recognition%speech separation%voice |
| Место хранения |
Удаленный доступ. Эл. регистр. НЭБ |
| Дата регистрации в ВИНИТИ |
06.02.2023 |
| Язык текста |
английский |
| Аннотация |
Most of the modern approaches to multi-speaker speech recognition are either not applicable in case of overlapping speech or require a lot of time to run, which can be critical, for example, in case of real-time speech recognition. In this paper, a transformer-based end-to-end model for overlapping speech recognition is presented. It is implemented by using a generalization of the standard approach to speech recognition. The introduced model achieves results comparable in quality to modern state-of-the-art models, but requires less model calls, which speeds up the inference. In addition, a procedure for generating synthetic data for model training is described. This procedure allows to compensate for the lack of real multi-speaker speech training data by creating a stream of data from the initial collection |
| Тематический раздел |
Автоматика и радиоэлектроника |
| Тематический раздел |
Информатика |
| Тематический раздел |
Физика |
| Издательский номер в РЖ |
23.12-24Е.55 |
| Издательский номер в РЖ |
24.01-59.277 |
| Шифр ГРНТИ |
47.55.35 |
| Шифр ГРНТИ |
20.53.15 |
| Ключевые слова |
распознавание речи, несколько динамиков, разделение речи, генерация синтетических данных, моделирование |