wav2vec-U: Nhận dạng giọng nói hiệu năng cao không cần supervision

• Framework nhận dạng giọng nói do nhóm Facebook AI xây dựng

• Hỗ trợ nhận dạng nhiều ngôn ngữ mà không cần dữ liệu giọng nói đã chép lời (transcribed)

→ Đạt hiệu năng tương đương mô hình học có giám sát được huấn luyện với khoảng 1000 giờ dữ liệu giọng nói

→ Được thử nghiệm trên các ngôn ngữ như Swahili/Tatar, nơi không có nhiều dữ liệu giọng nói đã chép lời

• Hoạt động theo cách học cấu trúc của audio chưa được gán nhãn

→ Chia các bản ghi âm thành các đơn vị lời nói tương ứng lỏng với từng âm thanh

→ cat bao gồm ba âm "/K/", "/AE/", "/T/"

→ Được huấn luyện bằng GAN gồm generator và discriminator

• Đã công bố mã nguồn và bài báo