活动预告｜从CTC到Transducer：语音识别如何通过新模型实现进步

随着科技的不断发展，自动语音识别技术越来越成熟，并被广泛应用于各种场景中。Transducer模型作为自动语音识别技术的一种新型模型，具有许多优势，如能够实现端到端的语音转文本，减少人工干预和时间成本等。因此，Transducer模型在语音识别领域中的应用前景广阔，其在实时或在线语音识别等场景下具有独特的优势。

我们熟悉的一些智能语音场景背后，都是Transducer模型在发挥作用：

语音助手和智能音箱：语音助手和智能音箱需要能够快速准确地识别用户的语音指令，例如播放音乐、查询天气等。

电话语音识别：在自动语音应答系统中，Transducer模型可以实现实时识别并转录用户的语音。

汽车语音识别：在汽车领域，语音识别可以帮助驾驶员实现更安全的驾驶，例如通过语音指令来调整音乐、导航、通讯等。

医疗语音识别：Transducer模型可以帮助医生实现语音转文本，提高工作效率，减少手工记录过程中的错误率。

法律语音识别：律师在处理案件时需要处理大量的文字材料，Transducer模型可以帮助他们通过语音输入快速记录笔录或制作法律文件。

为了让大家更全面性地理解Transducer模型的知识，NVIDIA企业开发者社区特意举办本次在线研讨会，将会涵盖关于ASR自动语音识别中基于CTC的声学模型以及Transducer模型的知识。在这个活动中，参与者将学习Transducer模型的基本概念、优势和局限，以及如何通过代码来训练和评估Transducer模型。此外，参与者还将了解到ContextNet的模型架构以及如何将Transducer模型与语言模型进行联合优化。

时间：2023年3月9日，星期四，晚上8:00- 9:30

主讲人：

Yipeng Li，NVIDIA企业开发者社区经理

拥有多年数据分析建模、人工智能自然语言处理开发经验。在自动语音识别、自然语言处理、语音合成等对话式AI技术领域有丰富的实战经验与见解。曾开发法律、金融、保险文档中基于实体抽取的智能问答系统，曾开发基于NLP知识抽取，KG知识图谱的建立的科研文档智能检索系统。