作者：東東1959 | 来源：互联网 | 2023-09-16 18:26
一，六种模型
输入一段声音------>输出文本、声音、判断类别
输入语言判断类别：
二、speech recognition声音识别
三个主要语音辨识会议中，使用最多的token：
语音辨识+xxxx：
声音特征：
物种语音识别模型
LAS（Listen，Attend，and Spell ）
encoder 可以采用rnn，cnn
1，获取attention两种方式：
z0关键字和每一个资料库（encoder的输出）h1、h2.。。。都分别输入一个叫match的function计算出一个skeler即一个数值
。
常用的match function方式：
2，spell
京公网安备 11010802041100号