2022年新一代kaldi团队技术输出盘点
以下是 k2 团队对2022年输出的技术做的盘点。 1. 技术创新 1.1 Pruned RNN-T loss 该项工作是新一代 Kaldi 针对 RNN-T 损失函数的创新性改进。原始的 RNN-T 损失函数在处理长文本或者长语音的时候显…
1146 0 0
声浪
k2 中 compose 和 intersect 区别与联系
本文以 CTC Loss 计算为例，分析 k2.compose 和 k2.intersect 的区别和联系 如果已经很熟悉 k2.compose = k2.invert + k2.intersect, 建议直接滑到文末抽奖环节（大周末的，多…
261 0 0
Progress in next-gen-Kaldi team
下面是我们整理的Daniel Povey在第二届SH语音技术研讨会和第七届Kaldi技术交流会的报告内容，因为是翻译整理，如果有误，欢迎指正。 讲者：Daniel Povey 编辑：徐天翼、郭泓霄 去年以来的进展总结 新一代kaldi将焦点…
592 0 0
低时延 RNN-T 训练
文章来源于新一代Kaldi，作者NGK编辑部 Dan神又出新东西了！(前面的都学完了吗？)本文主要介绍k2中的低时延RNN-T训练，这是一篇短小的写给懒人的科普文，不会有详细的理论推导，感兴趣的大佬可以直接阅读论文：https://arxi…
380 0 0
新一代 Kaldi 基于 WebSocket 的语音识别服务实战
文章来源于新一代Kaldi，作者NGK编辑部 本文介绍如何使用新一代 Kaldi 中的 WebSocket 服务进行语音识别。 简介 本文介绍最近在sherpa[1]中新增的使用C++实现基于WebSocket的语音识别服务。只涉及设计思想…
330 0 0
新一代 Kaldi 中的 LSTM GradientFilter
文章来源于新一代Kaldi，作者NGK编辑部 本文介绍新一代 Kaldi 中的 LSTM GradientFilter： 相关代码：https://github.com/k2-fsa/icefall/blob/master/egs/libr…
292 0 0
sherpa + ncnn 进行语音识别
文章来源于新一代Kaldi，作者NGK编辑部 本文介绍据我们所知, 第一个使用ncnn进行语音识别的开源项目sherpa-ncnn。 简介 sherpa[1]目前支持使用PyTorch做推理框架，进行语音识别。当模型使用PyTorch训练好…
845 0 0
如何在icefall中玩转预训练模型
1. 背景 近年来，随着GPU算力的不断提升，大型自监督预训练模型在自然语言处理这项任务中大放异彩，从GPT，到BERT，再到GPT-3，SOTA被不断的刷新。这类模型在预训练过程中，仅使用无标注数据进行学习，便能够对数据本身进行分析，学习…
2032 1 0
Pruned RNN-T 何以又快又好
文章来源于新一代Kaldi，作者NGK编辑部 NGK小组毕竟不是香港记者，不能每周都搞一个大新闻。近期有个别同学在交流群里问 Pruned RNN-T 的细节，这周就深入一点挖挖这个旧坟(闻）吧。 之前我们发过一篇文章，介绍了如何用 Pru…
330 0 0