声浪
CTC的尖峰效应，是不是可以理解为：目标函数约束前面的神经网络，将一个词的多帧信息，集中到了'尖峰'这一帧？
在输出中如果输出错误会有较大的罚分，将不确定的结果不指定到具体的帧，输出blank，确定的结果输出，迭代过程中正确的结果就越突出，准确率越高。
77 0 0
请问现在工业上用传统的技术多还是端到端的技术多啊?
目前来说这两种都有。但是现在有一种趋势，这种趋势大致是从去年开始的，就是从传统的混合框架迁移到端到端的框架上面去。有一些公司研究的比较快或者说技术迭代的比较快，已经完成迁移了；有一些公司还在验证或者说迁移的过程中，可能再过一两年基本上大部分…
72 0 0
目前WeNet的时间戳方案不太准确（一是静音的判断不准确，二是字与字的时间戳是连着的，无论中间静音有多大），请问有什么方案可以提高时间戳的准确度吗？
时间戳是根据CTC判断，本身CTC在这方面有一定的滞后性或者漂移，这个是导致时间戳不准确的一个原因。在后处理时，初版WeNet考虑到字与字之间的时间戳是连着的这样的问题，在最新版的WeNet已经修正合并到master的分支中。
75 0 0
热词增强和热词唤醒在实现上的区别是什么？
热词唤醒即为Hot Word或者Wake-up Word，是一个轻量级的关键词检测，通常部署在端侧的设备上，如音响、手机等。它占用资源很小，网络规模一般在几十k到几百k。 而热词增强是语音识别中的一项技术，它对一些特定场景中特定名词做实时的…
63 0 0
WeNet有什么独特的地方吗？比如流识别方面。
WeNet里制作、使用了比U2更优化的U2++算法解决流式的问题。具体思想是做两次识别，第一遍利用CTC的结果，第二遍利用Attention Decoder做rescoring，整体实现模型架构上的流式。 Conformer、Transfo…
47 0 0
当前最新的比较好的算法好像也就是 conformer了，还有比这更好的吗，如果找不到更好的算法，应该从哪些方面来优化预训练模型呢?
Conformer可以认为是Transformer的一个变种，Transformer在全局建模方面有比较好的性能。因为语音识别模型的性能不能只关注WER，还需要关注模型的大小和延迟，如果想要优化模型也可以从这两方面入手，因为对于模型的落地化…
48 0 0