flashlight/wav2letter

解決する課題

wav2letter++ は、エンドツーエンドの自動音声認識 (ASR) のための高性能なフレームワークを提供することを目的として設計されており、さまざまな研究論文の再現や、音声からテキストへの変換のための学習済みモデルの使用を可能にします。

仕組み

このプロジェクトは、Flashlight 機械学習ライブラリと統合された一連のレシピと学習済みモデルを提供します。ストリーミング ConvNets、時間深度分離畳み込みを備えた sequence-to-sequence モデル、および辞書なしの音声認識を含む、さまざまな ASR アーキテクチャをサポートしています。

対象者

主に音声認識に取り組んでいる研究者や開発者、特に学術的な結果を再現したり、最先端の ASR アーキテクチャを実装したりしようとしている方を対象としています。

ハイライト

• ConvNets や Seq2Seq を含む、複数の研究に基づいた ASR アーキテクチャをサポート。
• 音声認識のための半教師あり学習および自己学習のレシピを提供。
• すぐに使用できる学習済みモデルを含む。
• 高性能な実行のために Flashlight ライブラリと統合。