【nlp李宏毅】笔记

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