noahchalifour/rnnt-speech-recognition
این پروژه یک سیستم تشخیص گفتار پایان‌به‌پایان با استفاده از RNN Transducers در TensorFlow 2.0 ارائه می‌دهد.
کاربرد:
این مدل برای تبدیل صوت به متن (Speech-to-Text) طراحی شده و بدون نیاز به برچسب‌گذاری دقیق زمانی، می‌تواند جملات گفتاری را به‌صورت طبیعی و پیوسته تشخیص دهد.
در چه شرایطی بهتره استفاده شود؟
وقتی به دنبال یک مدل خودکار و پایان‌به‌پایان برای تشخیص گفتار هستید و نمی‌خواهید به ساختارهای پیچیده‌ی مارکوف یا همترازی‌های دستی متکی باشید. این مدل به‌ویژه در شرایطی که داده‌های آموزشی کم‌تری دارید یا نیاز به پیش‌بینی‌های پیوسته دارید، عملکرد خوبی دارد.
چند مثال از موارد استفاده:
- سیستم‌های دستیار صوتی مانند سیری یا گوگل اسیستنت ️
- تولید خودکار زیرنویس برای ویدیوها
- تبدیل یادداشت‌های صوتی پزشکان به متن در سیستم‌های بهداشتی
- کمک به افراد کم‌شنوا با تبدیل گفتار به متن لحظه‌ای
- ##SpeechRecognition
- ##TensorFlow
- ##RNNTransducer
- ##EndToEndAI
- ##ASR
- ##DeepLearning
- ##VoiceToText
- ##MachineLearning
- ##TF2
- ##NoahChalifour