arXiv · Machine Learning· Albert Zeyer, Davyd Naveriani, Dorian Koch, Ralf Schl\"uter, Hermann Ney·· 13 小时前AI 评分43
每个音素一个均值 Log-Mel 向量：简单快速的语音识别文本注入方法
One Mean Log-Mel Vector per Phoneme: Simple and Fast Text Injection for Speech Recognition
AI 导读
该语音识别文本注入方法以每个音素的均值 log-mel 向量（或 one-hot encoding）查找表取代冻结的 TTS 模型，训练速度为神经 TTS 的 1.8 倍且词错误率相当。
来源：arXiv · Machine Learning · arxiv.org