补充阅读和资源

本单元汇集了之前单元的许多组件，介绍了语音到语音翻译、语音助手和说话人日志的任务。因此，补充阅读材料为了您的方便被分为这三个新任务。

语音到语音翻译

• Meta AI 的基于离散单元的 STST：通过编码器-解码器模型实现 STST 的直接方法
• Meta AI 的闽南语直接语音到语音翻译：使用带有两阶段解码器的编码器-解码器模型实现 STST 的直接方法
• 谷歌的利用无监督和弱监督数据改进直接 STST：提出了利用无监督和弱监督数据训练直接 STST 模型的新方法，以及对 Transformer 架构的一个小改动
• 谷歌的 Translatotron-2：一个能够在翻译后的语音中保留说话人特征的系统

语音助手

• 亚马逊的精确唤醒词检测：用于设备端应用的低延迟唤醒词检测方法
• 谷歌的 RNN-Transducer 架构：对用于流式设备端 ASR 的 CTC 架构的修改

会议转录

• Hervé Bredin 的 pyannote.audio 技术报告：本报告描述了 pyannote.audio 说话人日志管道背后的主要原理
• Max Bain 等人的 Whisper X：一种使用 Whisper 模型计算单词级时间戳的更优方法

< > 在 GitHub 上更新