E-Gaborformer因果语音识别模型发布
热点事件持续更新
E-Gaborformer因果语音识别模型发布
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Nir Krakowski等人发布了E-Gaborformer，这是一款严格因果语音识别编码器。该模型结合Gated DeltaNet-2循环层与滑动窗口注意力（3:1比例），所有时间卷积均基于固定因果Gabor原子字典构建。 在LibriSpeech受控因果研究中，E-Gaborformer比之前更早脱离初始平台期，达到特定精度的时间最多快18%，且性能匹配或超越采用相同前端和训练的E-Branchformer。 在生产规模下，基于E-Gaborformer构建的0.6B参数希伯来语和英语流式转换器表现显著。在英语语音代理流量中，其词错误率比NVIDIA Nemotron 3.5 ASR Streaming低28%至31%；在希伯来语上，比其先前生产系统的词错误率最多低20%。
AI 根据报道生成 · 21 小时前更新
最新进展11月6日 13:00
E-Gaborformer：采用Gabor字典卷积与Delta规则记忆的严格因果语音识别器报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv · MLE-Gaborformer：采用Gabor字典卷积与Delta规则记忆的严格因果语音识别器
E-Gaborformer是一款严格因果语音识别编码器，在LibriSpeech上达到给定精度所需时间比此前更早，且性能匹配或超越相同前端的E-Branchformer。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 911月6日 15:00
- 近 24 小时变化
- –
02.557.510
18:0011月7日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。