文/ArindrimaDatta和AnjuliKannan
软件工程师，GoogleResearch
Google的使命不单单是整合全球信息，而是要让大众能够使用这些信息，这意味着我们需要为尽可能多的语言提供我们的产品。而Google助理的核心功能是理解人类语言，这需要支持多种语言，也是我们面临的一大挑战：越是优质的自动语音识别(AutomaticSpeechRecognition,ASR)系统越需要大量视频及文本数据等内容，以便让数据需求型神经模型不断革新。然而，许多语言的可用数据几近为零。
我们一直在思考应当如何保证高质量的语音识别，尤其是语料数据稀缺的语言。研究社区近期的一个重要发现表明，神经网络可以从语料丰富型语言的音频数据中学到的大部分“知识”并应用在语料稀缺型语言上，因此我们无需从头学习所有内容。由此，我们开始了多语言语音识别模型的研究，其中便包含多种语言的学习转录单一模型。
在发表于Interspeech的“基于流式传输端到端模型的大规模多语言语音识别”一文中，我们曾提出了单一模型训练的端到端(End-to-End，E2E)系统，支持实时多语言语音的识别。通过在九种印度语的应用，我们展示了在多个语料稀缺型语言上，ASR显著质量提升，同时也持续改进该系统针对语料富型语言的表现。
注：Interspeech
转载请注明：http://www.0431gb208.com/sjszlfa/2.html
