李宏毅语音课程笔记-CTC模型

ctc只要encoder即可。输入一个x，encoder输出一个h, 经过一个linear classifier输出预测的字符(包括空字符Φ)。

 训练时，需要穷举alignment，再使用cross-entropy进行反向梯度参数更新。

ctc存在的问题：

 会出现“结巴”。linear classifier相当于decoder了。前三个字符都是'c'的话ccc 合并后是c，但如果第二个产生的是 空字符Φ，则最终结果就是cc。

本栏目推荐文章
• 2024/1/13 算法笔记
• Python学习笔记
• HDP 笔记
• cleaning of llm corpus 大模型语料清洗
• 学习进度笔记2
• 微软企业库Unity学习笔记(一)
• 微软企业库Unity学习笔记(二)
• kepware关于U-CON的使用笔记 (串口_非主动问答式)
• Anaconda使用笔记
• Eloquent 模型使用详解 Has One Through 远程一对一

语音 模型 课程 笔记 CTC语音 模型 课程 笔记 语音 模型 课程rnn-t 语音 模型 原理 课程 ctc 语音 模型whisper文字 机器人 语音 模型 机器 算法 语音 模型 身份 语音 模型 多语种transformers语音 模型 transformers语音 模型 文本