申请/专利权人:国际商业机器公司
申请日:2023-07-19
公开(公告)日:2024-01-30
公开(公告)号:CN117476035A
主分类号:G10L25/30
分类号:G10L25/30;G10L25/78;G10L25/84;G10L25/03;G06N3/044;G06N3/0442;G06N3/0464;G06N3/084
优先权:["20220728 US 17/815,798"]
专利状态码:在审-实质审查的生效
法律状态:2024.02.20#实质审查的生效;2024.01.30#公开
摘要:本公开涉及话音活动检测集成以改进自动讲话检测。提供了用于促进使用自动讲话识别ASR信息对递归神经网络换能器RNN‑T进行多任务训练的系统、计算机实现的方法、和计算机程序产品。根据实施例,系统可以包括存储计算机可执行组件的存储器和执行存储在存储器中的计算机可执行组件的处理器。计算机可执行组件可包括可接收ASR信息的RNN‑T。计算机可执行组件可包括使用ASR信息来训练RNN‑T的话音活动检测VAD模型,其中RNN‑T可进一步包括编码器和联合网络。编码器的一个或多个输出可与联合网络和VAD模型的一个或多个输出集成。
主权项:1.一种系统,包括:存储器,其存储计算机可执行组件;以及处理器,其可操作地耦合到所述存储器,并且执行存储在所述存储器中的所述计算机可执行组件,其中所述计算机可执行组件包括:递归神经网络换能器RNN-T,其接收自动讲话识别ASR信息;话音活动检测VAD模型,其经由多任务训练使用所述ASR信息来训练所述RNN-T;以及其中,所述RNN-T还包括编码器和联合网络,所述编码器的一个或多个输出与所述联合网络以及所述VAD模型的一个或多个输出集成在一起。
全文数据:
权利要求:
百度查询: 国际商业机器公司 话音活动检测集成以改进自动讲话检测
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。