補充閱讀材料和資源

本單元整合了前幾個單元的許多元件，介紹了語音到語音翻譯、語音助手和說話人識別等任務。因此，為方便起見，補充閱讀材料分為這三項新任務

語音到語音翻譯

• 使用離散單元的 STST，Meta AI：透過編碼器-解碼器模型實現 STST 的直接方法
• 閩南語直接語音到語音翻譯，Meta AI：使用編碼器-解碼器模型和兩階段解碼器實現 STST 的直接方法
• 利用無監督和弱監督資料改進直接 STST，Google：提出了利用無監督和弱監督資料訓練直接 STST 模型的新方法，並對 Transformer 架構進行了微小更改
• Translatotron-2，Google：一個能夠在翻譯語音中保留說話人特徵的系統

語音助手

• 準確的喚醒詞檢測，Amazon：一種用於裝置上應用程式的低延遲喚醒詞檢測方法
• RNN-Transducer 架構，Google：CTC 架構的修改，用於流式裝置上 ASR

會議轉錄

• pyannote.audio 技術報告，Hervé Bredin：本報告描述了 pyannote.audio 說話人識別管道背後的主要原理
• Whisper X，Max Bain 等人：使用 Whisper 模型計算單詞級時間戳的卓越方法

< > 在 GitHub 上更新