补充阅读材料和资源

本单元整合了前几个单元的许多组件，介绍了语音到语音翻译、语音助手和说话人识别等任务。因此，为方便起见，补充阅读材料分为这三项新任务

语音到语音翻译

• 使用离散单元的 STST，Meta AI：通过编码器-解码器模型实现 STST 的直接方法
• 闽南语直接语音到语音翻译，Meta AI：使用编码器-解码器模型和两阶段解码器实现 STST 的直接方法
• 利用无监督和弱监督数据改进直接 STST，Google：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，并对 Transformer 架构进行了微小更改
• Translatotron-2，Google：一个能够在翻译语音中保留说话人特征的系统

语音助手

• 准确的唤醒词检测，Amazon：一种用于设备上应用程序的低延迟唤醒词检测方法
• RNN-Transducer 架构，Google：CTC 架构的修改，用于流式设备上 ASR

会议转录

• pyannote.audio 技术报告，Hervé Bredin：本报告描述了 pyannote.audio 说话人识别管道背后的主要原理
• Whisper X，Max Bain 等人：使用 Whisper 模型计算单词级时间戳的卓越方法

< > 在 GitHub 上更新