OWSM-CTC: An Open-Source Encoder-Only Speech Foundation Model for Speech Recognition, Translation, and Language Identification
原文约100字/词，阅读约需1分钟。发表于：。基于连接主义时间分类（CTC）的新型仅编码器语音模型（OWSM-CTC）在多语言自动语音识别（ASR），语音翻译（ST）和语言识别（LID）任务上取得了有竞争力的结果，并在 ST 上提高了 25％的相对改进，在推断中更为稳健且速度更快，同时也对长形式 ASR 结果有 20 倍的加速。
基于连接主义时间分类（CTC）的新型仅编码器语音模型（OWSM-CTC）在多语言自动语音识别（ASR），语音翻译（ST）和语言识别（LID）任务上取得了有竞争力的结果，并在ST上提高了25％的相对改进。该模型在推断中更为稳健且速度更快，同时也对长形式ASR结果有20倍的加速。
