CTC与神经Transducer搜索效率对比研究

Simon Berger等作者发表研究，系统对比了CTC与神经Transducer端到端ASR模型在不同剪枝策略和语言模型配置下的搜索空间复杂度与效率。研究发现，这类模型多数时候只需很小的搜索空间，但在不确定时段会出现假设数量的临时高峰。 研究称，基于分数的剪枝能随模型不确定性动态调整搜索，显著降低实时率（RTF），而低固定beam剪枝存在局限。该结果为端到端ASR的高效搜索提供了实践指南。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。