最强CNN语音识别算法开源了：词错率5%，训练超快，Facebook出品

夏乙 发自 麦蒿寺
量子位 出品 | 公众号 QbitAI

第一个全卷积语音识别工具包wav2letter&＃43;&＃43;开源了。

出品方Facebook称之为现有“最快的、顶尖水平的”语音识别系统。

抛开广告法不谈&＃xff0c;我们来全面了解一下wav2letter&＃43;&＃43;&＃xff0c;看看Facebook哪来的勇气口出狂言。

wav2letter&＃43;&＃43;由Facebook AI研究院&＃xff08;FAIR&＃xff09;的语音团队推出&＃xff0c;以C&＃43;&＃43;写成&＃xff0c;使用了ArrayFire张量库和flashlight机器学习库。

Facebook还说&＃xff0c;它是第一个完全由C&＃43;&＃43;写成的语音识别系统&＃xff0c;也是第一个全卷积语音识别系统。

所谓“全卷积”&＃xff0c;指的是wav2letter&＃43;&＃43;在从声波到文本的处理过程中&＃xff0c;所有可学习的部件都是由卷积层构成的&＃xff0c;声音建模、语言建模任务全部由CNN完成。

一般来说&＃xff0c;在声音和语言建模任务上&＃xff0c;循环网络架构才是更常用的。不过&＃xff0c;CNN构成的wav2letter&＃43;&＃43;在性能上也不输那些RNN模型。

Facebook团队在论文中&＃xff0c;将他们的wav2letter&＃43;&＃43;和其他主流开源语音识别系统做了比较。

他们说&＃xff0c;某些情况下&＃xff0c;wav2letter&＃43;&＃43;训练语音识别端到端神经网络速度是其他框架2倍还多&＃xff0c;而且用1亿个参数的模型测试&＃xff0c;使用从1到64个GPU&＃xff0c;训练时间是线性变化的。

其实&＃xff0c;wav2letter&＃43;&＃43;还有个不带加号的前身&＃xff0c;叫做wav2letter&＃xff0c;用Lua语言写成。现在&＃xff0c;新版占用了原版的GitHub仓库地址&＃xff0c;而原来的wav2letter被放到了wav2letter-lua分支下。

想要复现wav2letter&＃43;&＃43;也不难。因为它使用的机器学习库flashlight也同时开源了。这个机器学习库用现代的C&＃43;&＃43;即时编译&＃xff0c;CPU、GPU都可用&＃xff0c;以求效率和规模的最大化。

最后&＃xff0c;附上传送门~

GitHub地址&＃xff1a;

https://github.com/facebookresearch/wav2letter

论文&＃xff1a;

wav2letter&＃43;&＃43;: The Fastest Open-source Speech Recognition System
Vineel Pratap, Awni Hannun, Qiantong Xu, Jeff Cai, Jacob Kahn, Gabriel Synnaeve, Vitaliy Liptchinsky, Ronan Collobert

https://arxiv.org/pdf/1812.07625.pdf

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位AI社群开始招募啦&＃xff0c;欢迎对AI感兴趣的同学&＃xff0c;在量子位公众号&＃xff08;QbitAI&＃xff09;对话界面回复关键字“交流群”&＃xff0c;获取入群方式&＃xff1b;

此外&＃xff0c;量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募&＃xff0c;面向正在从事相关领域的工程师及研究人员。

进专业群请在量子位公众号&＃xff08;QbitAI&＃xff09;对话界面回复关键字“专业群”&＃xff0c;获取入群方式。&＃xff08;专业群审核较严&＃xff0c;敬请谅解&＃xff09;

诚挚招聘

量子位正在招募编辑/记者&＃xff0c;工作地点在北京中关村。期待有才气、有热情的同学加入我们&＃xff01;相关细节&＃xff0c;请在量子位公众号(QbitAI)对话界面&＃xff0c;回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ&＃39;ᴗ&＃39; ի 追踪AI技术和产品新动态

好看吗&＃xff1f;↘↘↘