Emma

概要:

  • NVIDIA的研究人员引入了一种GPU加速的加权有限状态转ducer（WFST）beam搜索解码器，以提高自动语音识别（ASR）系统的性能。新的解码器设计用于与当前的连接主义时间分类（CTC）模型集成，提高了吞吐量，延迟以及对特性的支持，例如针对话语特定词语增强的即时组合。
  • GPU加速的解码器在离线场景中显示出多达七倍的吞吐量，并在在线流式场景中显示出超过八倍的低延迟，同时保持相同或更高的词错误率。这表明它可以显着提高效率和准确性，相比传统的基于CPU的beam搜索解码方法。