transfer-learning-asr:在ACL 2017上发布的``基于语音的语音学习的转移学习''源代码-Source ...

转移学习以实现预算的语音识别 在ACL 2017上发布的``基于语音的语音学习的转移学习''源代码 抽象的 自动语音识别（ASR）系统的端到端培训需要大量的数据和计算资源。 我们探索基于模型自适应的转移学习，作为在受限GPU内存，吞吐量和训练数据下训练ASR模型的方法。 我们进行了一些系统化实验，将最初训练为英语ASR的Wav2Letter卷积神经网络改编为德语。 我们证明了该技术可以在消费级资源上进行更快的训练，同时需要更少的训练数据以达到相同的准确性，从而降低了用其他语言训练ASR模型的成本。 模型内省表明，对网络权重进行小的调整就足以实现良好的性能，尤其是对于内部层而言。 模组 Wav2Letter与德国语料库一起在喀拉拉邦 所有迁移学习实验都是使用我们在keras中的Wav2Letter实现执行的。 如本文所述，它支持英语语料库以及一些德国语料库。 使用KenLM光束搜索进行解码