语音识别的前沿论文，看我们推荐的这4篇

关注文章公众号

回复"语音识别"获取本主题精选论文

近年来智能语音进入了快速增长期，语音识别作为语音领域的重要分支获得了广泛的关注，如何提高声学建模能力和如何进行端到端的联合优化是语音识别领域中的重要课题。

由SFFAI18分享嘉宾白烨同学为大家精选出来的关于语音关键词检索方面的论文以及田正坤同学为大家精选出来的关于利用RNN-Transducer进行端到端声学建模的论文，将带你了解语音识别基本方向。你可以先仔细阅读，并带着问题来现场交流哦。

1

推荐理由：此篇文章是第一篇使用深度神经网络，直接将音频序列编码为固定长度向量进行QbE KWS的文章。在这之前的KWS基本上都是基于DTW计算序列之间的距离，而这篇文章首次使用了LSTM对序列进行编码，最后直接计算距离即可，速度快，效果好。基于这种范式，还诞生了关键词检测的应用SnowBoy（内部具体模型可能不一样）。

推荐理由来自：白烨

2

推荐理由：语音检索（Keyword Search, or Spoken Term Detection）中，如何将语音识别的结果建立倒排索引，快速定位到关键词发生的位置，是语音检索中重要问题。基于加权有限状态转换器的时间因子自动机方法，因为其计算高效（检索时线性复杂度），准确，框架优雅，已经成为了语音检索中的标准方法。在流行的开源语音工具包Kaldi中也已经集成了这一方法。

推荐理由来自：白烨

3

推荐理由：这是百度硅谷实验室的一篇文章，比较了CTC、RNN-Transducer以及Attention模型在原理以及实验性能上的差异，对于想利用端到端模型进行语音识别建模的同学，具有很好的指导意义。 文章显示没有额外语言模型的注意力模型以及RNN-Transducer模型性能都超过了基线CTC模型。同时文章还研究了怎么样选取编码器结构。

推荐理由来自：田正坤

4

推荐理由：这是Google2018年的一个工作，文章讲述了丰富的细节来帮助我们如何训练好一个RNN-Transducer网络。文章探索了多种模型结构以及如何利用外部数据。文中使用多级CTC来辅助模型训练，获得了很好的效果。

推荐理由来自：田正坤

主题

语音识别

近年来智能语音进入了快速增长期，语音识别作为语音领域的重要分支获得了广泛的关注，如何提高声学建模能力和如何进行端到端的联合优化是语音识别领域中的重要课题。

时间

2019年1月20日（周日）

14:00 -- 17:00

地点

中国科学院自动化研究所

报名方式

点击下方原文链接或 扫描二维码报名

活动名额

1、为确保小范围深入交流，本次活动名额有限（不收取任何费用）；

2、活动采取审核制报名，我们将根据用户研究方向与当期主题的契合度进行筛选，通过审核的用户将收到确认邮件；

3、 如您无法按时到场参与活动，请于活动开始前 24 小时在AIDL微信公众号后台留言告知，留言格式为放弃报名 + 报名电话。无故缺席者，将不再享有后续活动的报名资格。

SFFAI招募

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。

SFFAI还将构建人工智能领域的知识树（AI Knowledge Tree），通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献。

这项意义非凡的社区工作正在稳步向前，衷心期待和感谢您的支持与奉献！