wav2vec-U : Supervision के बिना उच्च-प्रदर्शन speech recognition

• Facebook AI टीम द्वारा बनाया गया speech recognition framework

• transcribed speech data के बिना विभिन्न भाषाओं की recognition को support करता है

→ लगभग 1000 घंटे के speech पर प्रशिक्षित supervised learning मॉडल के समान प्रदर्शन

→ Swahili और Tatar जैसी भाषाओं पर परीक्षण, जहाँ transcribed speech data बहुत अधिक नहीं है

• unlabelled audio की संरचना को सीखने का तरीका

→ speech recordings को उन speech units में विभाजित किया जाता है जो ढीले तौर पर अलग-अलग sounds से मेल खाते हैं

→ cat में “/K/”, “/AE/”, “/T/” ये तीन sounds शामिल हैं

→ generator और discriminator से बने GAN के रूप में प्रशिक्षण

• code और research paper सार्वजनिक किए गए