AI 음성인식 - End to End 음성인식 시스템에 대한 심화이해

소개글

"AI 음성인식 - End to End 음성인식 시스템에 대한 심화이해"에 대한 내용입니다.

목차

없음

본문내용

어텐션 기반 Seq2seq 구조를 음성 인식에 적용한 논문이다.
당시에는 CTC (Connectionist temporal classification) 이 음성 인식 분야를 점유하고 있던 시절이였던 터라, End-to-End 방식으로 본 논문 모델과 같은 성능을 낸 것은 굉장히 혁명적인 일이였다고 한다.
본 논문 이후 Speech 분야는 CTC와 LAS로 나뉜다고 한다.

모델의 전체적인 구조는 Listener (encoder) 와 Speller (decoder) 로 이루어져 있다.
데이터의 피쳐를 입력받는 Encoder
입력 시퀀스 x를 High level feature인 h로 변형하는 역할을 담당한다
(더 의미있는 시퀀스로 변형한다)

리스너가 변형한 High Level feature인 h를 어텐션을 사용하여 문자로 출력한다.
(Decoder) 모델의 첫 번째 특징으로는 Pyrimidal Bidirectional LSTM을 사용했다.

참고 자료

없음