语音论文优选:口语理解A Streaming End-to-End Framework For SLU
声明:语音论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法。如有转载,请标注来源。
欢迎关注微信公众号:低调奋进
A Streaming End-to-End Framework For Spoken Language Understanding
本文为滑铁卢大学在2021.05.20更新的文章,主要做流式口语理解的工作,具体文章链接https://arxiv.org/pdf/2105.10042.pdf
1 背景
我们先看一下具体的语音交互的系统的整个流程:speech->ASR->NLU->NLG->TTS->speech。该流程的每个模块将会独立训练,因此ASR的错误将会被后续的模块逐渐积累放大,常用的做法就是在ASR之后添加纠错系统。而另一种的方法就是Spoken Language Understanding,直接从speech中获取意图,目前研究较热的是end-to-end的SLU,但该模型需要较长的latency,因此本文提出基于streaming的end-to-end SLU,其准确率与现有的end-to-end的SLU相当,但latency较小。
2 详细的设计
图1展示了传统的SLU,end-to-end SLU和本文的streaming end-to-end SLU。其中本文的streaming end-to-end SLU可以增量式识别意图和识别多意图。其中streaming end-to-end SLU的架构如图2所示:ULSTMP +CTC。具体的streaming end-to-end SLU和end-to-end SLU的区别如图3所示,end-to-end SLU需要获取整个句子才可以识别意图,而streaming end-to-end SLU是增量式的识别意图。
3 实验
本文主要对比三个实验:单意图识别,多意图识别和语音关键词发现。table 1在单意图实验对比现有 end-to-end SLU和streaming end-to-end SLU的性能,由此可以本文streaming end-to-end SLU准确率与end-to-end SLU相当,但latency较小。table2是多意图测试,该测试是streaming end-to-end SLU在不同训练集和测试集上测试,横轴是测试集,纵轴为训练集。table3为语音关键词发现实验,效果与现有的方案性能相当。
4 总结
本文主要提出了streaming end-to-end SLU,直接从speech中获取意图,减少了ASR错误累计,而且latency较小。
语音论文优选:口语理解A Streaming End-to-End Framework For SLU相关推荐
- 基线理解_使用递归神经网络的上下文口语理解论文阅读
前言 论文原标题为:CONTEXTUAL SPOKEN LANGUAGE UNDERSTANDING USING RECURRENT NEURAL NETWORKS 如果有哪些地方翻译的不对,或者有哪 ...
- 语音信号处理(DSP)论文优选:Interactive Modeling for Speech Enhancement
声明:语音合成(TTS)论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法.如有转载,请标注来源. 欢迎关注微信公众号:低调奋进 Interactive Sp ...
- 语音信号处理(DSP)论文优选 :提取音频pitch方法对比Performance Analysis of Several Pitch Detection Algorithms
声明:语音信号处理(DSP)论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法.如有转载,请标注来源. 欢迎关注微信公众号:低调奋进 Performance ...
- 【综述】对话系统中的口语理解技术
1. 基本介绍 对话系统中的口语理解技术一般称为NLU(natural language understanding),或SLU(spoken language understanding).NLU的 ...
- 语音合成(TTS)论文优选:Accent and Speaker Disentanglement in Many-to-many Voice Conversion
声明:语音合成(TTS)论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法.如有转载,请标注来源. 欢迎关注微信公众号:低调奋进 Accent and Spe ...
- 语音合成(TTS)论文优选:End-to-End Code-Switching TTS with Cross-Lingual Language Model
声明:语音合成(TTS)论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法.如有转载,请标注来源. 欢迎关注微信公众号:低调奋进 End-to-End Cod ...
- 语音合成论文优选:Flavored Tacotron: Conditional Learning for Prosodic-linguistic Features
声明:语音合成论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法.如有转载,请标注来源. 欢迎关注微信公众号:低调奋进 Flavored Tacotron: ...
- 语音合成论文优选:唇语Speaker disentanglement in video-to-speech conversion
声明:语音合成论文优选系列主要分享论文,分享论文不做直接翻译,所写的内容主要是我对论文内容的概括和个人看法.如有转载,请标注来源. 欢迎关注微信公众号:低调奋进 Speaker disentangle ...
- 群智大数据:感知、优选与理解
摘要:移动群智感知是一种新的大规模感知模式,它利用随身携带的智能移动终端(智能手机.可穿戴设备等)形成大规模.随时随地且与人们日常生活密切相关的感知系统.通过广大用户参与获取的感知数据具有多模态.富内 ...
最新文章
- java auth fail_com.jcraft.jsch.JSchException: Auth fail
- python连接sqlite加密_C#连接加密的Sqlite数据库的方法
- 获取android的SDK或者手机目录路径
- asp.net链接mysql数据库------------【个人收集】
- OpenCV--常见图片格式转换与深浅拷贝
- C++指针与数组的对比
- VS 添加代理 -NUGET
- DB2 开发系列 从入门开始--概述
- 中兴力维动环监控接线图_【中兴力维动环监控方案,让运维管理更高效!】PjTime.COM 解决方案 中兴...
- Python常用小技巧总结
- AspNetPager分页控件的使用以及常见错误
- Ubuntu Qt 无法覆盖文件 错误解决方法
- itest手机考试有监控吗_itest考试有声音监控吗?
- 完美解决浏览器劫持方法,简单实用百试百灵!
- ios苹果签名多少钱?苹果企业签名是最便宜的吗
- 【WebAPI 验证】给 webapi加上token 验证(包括上传文件方法)
- windows防火墙配置(以windows server2008为例)
- Mask-RCNN ICCV2017
- IBM SPSS Statistics如何添加数值标签
- 04-ESP8226的WiFi通用库学习