| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-06-14 13:50 Beyond Word Count: Exploring Approximated Target Lengths for CIF-RNNT ○Wen Shen Teo・Yasuhiro Minami（UEC）  SP2024-5 |
|
| 抄録 | （和） | Our previous work proposed the CIF-RNNT architecture, a combination of Continuous Integrate-and-Fire (CIF) and RNN-Transducers (RNN-T) that compresses speech into units equivalent to linguistic words to achieve efficient decoding. This work extends on that research by investigating the impact of different target length definitions, approximated from self-information and token count. Our results on LibriSpeech and CSJ show that approximated target length types based on self-information outperform simpler approaches, and CIF-RNNT models even surpass topline models on the CSJ dataset at smaller chunk sizes. Furthermore, our comparisons demonstrate an inherent ability of CIF-RNNT to produce output tokens in groups of words, regardless of the target length type. These results showcase the potential of the CIF-RNNT architecture for efficient and accurate speech recognition. |
| （英） | Our previous work proposed the CIF-RNNT architecture, a combination of Continuous Integrate-and-Fire (CIF) and RNN-Transducers (RNN-T) that compresses speech into units equivalent to linguistic words to achieve efficient decoding. This work extends on that research by investigating the impact of different target length definitions, approximated from self-information and token count. Our results on LibriSpeech and CSJ show that approximated target length types based on self-information outperform simpler approaches, and CIF-RNNT models even surpass topline models on the CSJ dataset at smaller chunk sizes. Furthermore, our comparisons demonstrate an inherent ability of CIF-RNNT to produce output tokens in groups of words, regardless of the target length type. These results showcase the potential of the CIF-RNNT architecture for efficient and accurate speech recognition. | |
| キーワード | （和） | / / / / / / / |
| （英） | CIF-RNNT / self-information / decoding speed / word segmentation / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 80, SP2024-5, pp. 23-27, 2024年6月. | |
| 資料番号 | SP2024-5 | |
| 発行日 | 2024-06-07 (SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2024-5 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-MUS IPSJ-SLP |
| 開催期間 | 2024-06-14 - 2024-06-15 |
| 開催地（和） | 日本大学 |
| 開催地（英） | |
| テーマ（和） | 音学シンポジウム2024 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2024-06-SP-MUS-SLP |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Beyond Word Count: Exploring Approximated Target Lengths for CIF-RNNT |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / CIF-RNNT |
| キーワード(2)（和/英） | / self-information |
| キーワード(3)（和/英） | / decoding speed |
| キーワード(4)（和/英） | / word segmentation |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | テオ ウェンシェン / Wen Shen Teo / テオ ウェンシェン |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 南 泰浩 / Yasuhiro Minami / ミナミ ヤスヒロ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-06-14 13:50:00 |
| 発表時間 | 140分 |
| 申込先研究会 | SP |
| 資料番号 | SP2024-5 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.80 |
| ページ範囲 | pp.23-27 |
| ページ数 | 5 |
| 発行日 | 2024-06-07 (SP) |
[研究会発表申込システムのトップページに戻る] (日本語ページの行間係数: 1)