流式语音识别中的 Chunk 分块掩码:Conformer、Emformer、Zipformer 与 U2/U2++
从 Chunk-based Masking 出发,理解流式语音识别如何限制未来信息、复用历史缓存,并比较 Conformer、Emformer、U2/U2++ 和 Zipformer 的延迟与精度取舍。
#流式语音识别#Streaming ASR#Conformer#Emformer#Zipformer#U2#语音识别
从图像与视频理解,到视觉语言模型和图像生成。
博客目录 →从 Chunk-based Masking 出发,理解流式语音识别如何限制未来信息、复用历史缓存,并比较 Conformer、Emformer、U2/U2++ 和 Zipformer 的延迟与精度取舍。