“Paper: Streaming End-to-end Speech Recognition For Mobile Devices”
按年被提到
20182019 · 2 次2026
Streaming End-to-end Speech Recognition For Mobile Devices
面向移动设备的流式端到端语音识别
Yanzhang He, Tara N. Sainath, Rohit Prabhavalkar, Ian McGraw, Raziel Alvarez, Ding Zhao, David Rybach, Anjuli Kannan, Yonghui Wu, Ruoming Pang, Qiao Liang, Deepti Bhatia 等 20 人 · 2018
用 RNN 转录器(RNN-T)构建可在手机上运行的流式端到端语音识别
被提及 · 3 人首次 2019-05-18 · 最近 2020-11-15
3不同的人
4活跃月份
4讨论串
579被引(OpenAlex)
端到端(E2E)模型直接由语音预测输出字符序列,适合设备端语音识别,但需要流式实时解码、对长尾场景稳健、能利用用户上下文(如联系人),并且要极其准确。论文介绍了用循环神经网络转录器(RNN-T)构建 E2E 语音识别器的工作。实验评估表明,在多个评测类别中,该方法在延迟和准确率上都优于传统基于 CTC 的模型。
HN 为什么提它
评论者在讨论设备端离线语音转文字时引用它,把它当作 Google 研究并已在 Pixel 等手机上落地的流式 RNN-T 方案。
方法难度 4 / 5约 40 分钟经得起时间
读之前最好知道
1语音识别基础
2RNN/LSTM
3CTC 损失
4RNN 转录器(RNN-T)
5模型压缩与设备端部署
学习路径
读这篇之前,按顺序读书架上的 3 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出这条路径从序列到序列和端到端语音识别入手,再补上层归一化,用来理解 RNN-T 如何做成可在手机上运行的流式识别器。
- 1
- 2
端到端语音识别的早期代表,目标论文要改进的方向。
读用 RNN 直接从语音到字符的做法;数据与训练规模。
- 3
- 4Streaming End-to-end Speech Recognition For Mobile Devices
目标论文:用 RNN-T 构建能在手机上运行的流式语音识别。
读RNN-T 的结构、流式解码,以及在设备上的部署细节。
HN 书评
推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及引用walterbell · 2019-05
贴出这篇论文,讲在移动设备上运行的流式端到端语音识别
引用walterbell · 2019-11
“Google published research [1][2] on offline recognition and it was rolled out earlier in 2019.”
指出 Google 发表了离线识别的研究,并已在 2019 年初推出
引用polymorph1sm · 2020-07
“similar to Google Pixel's offline speech to text [1]”
拿它类比 Google Pixel 的离线语音转文字
引用iceychris · 2020-11
“deployable project supporting multiple languages using the recent RNN-T Architecture [1].”
指出可部署的多语言项目采用了较新的 RNN-T 架构