脸书开源第一个使用卷积神经网络技术的端到端语音辨识系统
报价宝综合消息脸书开源第一个使用卷积神经网络技术的端到端语音辨识系统
脸书释出全新自动语音辨识的卷积方法，以及开源目前最先进的端到端语音辨识系统wav2letter++。这个自动语音辨识方法使用卷积神经网络（CNN）进行声音建模和语言建模，再加上脸书一同释出的工具，让其他开发者也能实作出相同的成果。
通常CNN架构比起循环架构（Recurrent Architecture），对于有建模长期相依性的任务更具有竞争力，能够良好执行语言建模、机器翻译和语音合成等工作，而在端到端的语音辨识当中，循环架构在声音建模和语言建模上却更为普遍。
而脸书的这项研究，是在端到端语音辨识中使用CNN架构，脸书表示，端到端语音辨识可以轻松的扩展到多种语言，另外，直接从原始语音学习，则是解决音讯品质变化大的好方法。脸书的语音团队现在释出第一个全卷积的语音辨识系统，从波型到最后的单词转录为文字，系统的可学习部分，能仅由卷积层组成，而这样的效能则可以与循环架构相当。
另外，脸书还发表了快速且灵活的独立机器学习函式库Flashlight，这是由脸书的语音团队以及Torch和DeepSpeech的开发者共同设计的，能为现代C++进行JIT编译，并针对CPU和GPU后端，实现效能与规模最大化，而Wav2letter++工具则建立于Flashlight之上。
由于高效能框架Wav2letter++能进行快速迭代，因此可以加速研究进展，并方便的对新资料集和任务进行模型最佳化。脸书释出全新自动语音辨识的卷积方法的同时，也同时释出了Flashlight和Wav2letter++开发框架，以实现成果的可重复性。
