Earlybird：29M 参数的预测流式语音识别

原文：Earlybird: Predictive Streaming Speech Recognition in 29M Parameters

流式语音识别器仅在说话者说完后（通常是 90-400 毫秒）才输出单词。对于语音代理来说，每一毫秒都很重要：越早输出单词，代理就能越早开始搜索或计划回复。我们推出了 Earlybird，一个 29M 参数的流识别器（4 位时为 16.8 MB）。早起的鸟儿从随机点（包括中途）切断的音频中学习

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。