Системы распознавания речи (ASR) являются одним из традиционных направлений машинного обучения (ML). Общая тенденция современного ML заключается в замене нагромождения специфических алгоритмических подходов и априорных структурных знаний в пользу проработанных нейронных сетей. ASR здесь не является исключением, но тем не менее промышленные решения в области ASR так или иначе содержат множество более традиционных наработок на основе скрытых марковских цепей, конечных автоматов и алгоритмам поиска по ним. Эти подходы позволяют улучшить качество поверх использования нейронных сетей, а также позволяет создавать управляемые компоненты, необходимые для промышленных систем.

На этом семинаре поговорим о

• Эвристических алгоритмов выравнивания аудио и как они сохранились в современных ASR системах
• Алгоритмах, используемых в обучении и инференсе ASR систем
• Алгоритмах и структурах данных для стримингового распознавания
• Структурах данных для хранения множественных альтернативных результатов распознавания и для чего можно их использовать

Лекции будут читаться через Zoom. Ссылка для подключения будет опубликована в новостях курса (её получат те, кто запишется на курс).

Код визуализаций, которые показывал

По обсуждению: Презентация А. Гольдберга по задаче о кратчайших путях Кстати летом 2016 кажется у него было очень крутая лекция по теме в ПОМИ