wav2vec-U: Pengenalan ucapan berkinerja tinggi tanpa memerlukan supervisi

• Framework pengenalan ucapan buatan tim AI Facebook

• Mendukung pengenalan berbagai bahasa tanpa data ucapan yang ditranskripsikan

→ Kinerjanya mirip dengan model supervised learning yang dilatih dengan sekitar 1000 jam ucapan

→ Diuji pada bahasa seperti Swahili/Tatar yang tidak memiliki banyak data ucapan transkripsi

• Metode yang mempelajari struktur audio tanpa label

→ Membagi rekaman ucapan menjadi unit ucapan yang secara longgar berkorespondensi dengan masing-masing bunyi

→ cat berisi tiga bunyi: "/K/", "/AE/", "/T/"

→ Dilatih dengan GAN yang terdiri dari generator dan discriminator

• Kode dan makalah telah dipublikasikan