بازشناسی گفتار

1.1. معرفی و تاریخچه بازشناسی گفتار

00:10′

2.1. معرفی سیگنال دیجیتال، تبدیل فوریه و اسپکتروگرام

00:27′

3.1. استخراج ویژگی و واج‌شناسی

00:13′

4.1. مدل مخفی مارکوف گسسته

00:25′

5.1. مدل مخفی مارکوف پیوسته، مدل زبانی، مقدمه شبکه‌های عصبی

00:28′

6.1. استراتژی‌های آموزش

00:06′

1.2. بازشناسی گفتار، مدل کانال نویزی، ارزیابی و دادگان‌ها

00:24′

2.2. مدل‌سازی مستقل از بافت و مقدمه مدل‌سازی وابسته به بافت

00:26′

3.2. مدل‌سازی وابسته به بافت و کاهش تعداد حالات

00:22′

1.3. Signal processing1

00:21′

2.3. Signal processing2

00:15′

3.3. Signal processing3

00:07′

4.3. Signal processing4

00:24′

5.3. Signal processing5

00:06′

6.3. Signal processing6

00:09′

7.3. Signal processing7

00:18′

8.3. Signal processing8

00:19′

9.3. Signal processing9

00:13′

1.4. الگوریتم کدگشایی ویتربی، بازشناسی کلمات مجزا

00:21′

2.4. بازشناسی کلمات متصل به هم، استفاده مدل زبانی در جستجو، نکات مهم کدکشایی، بازشناسی ارقام

00:20′

1.5. مقدمه بازشناسی گفتار به صورت e2e، معرفی تابع هزینه CTC

00:23′

2.5. تابع هزینه CTC و برنامه‌نویسی پویا در آن

00:25′

3.5. مثالی از CTC، معرفی شبکه Deep Speech برای بازشناسی گفتار

00:20′

4.5. دیکدینگ با CTC، استنتاج در Deep Speech، جستجوی شعایی در CTC

00:24′

5.5. مدل انکدر-دیکدر با مکانیزم توجه، مدل LAS برای بازشناسی گفتار، مقایسه روش‌های CTC و LAS

00:28′

6.5. شبکه RNN-Transducer برای بازشناسی گفتار، استنتاج و آموزش در RNN-T

00:19′

7.5. مقدمه مدل زبانی، روش‌های ترکیب امتیاز مدل زبانی در مدل بازشناسی گفتار، مدل‌سازی به روش زیر کلمه

00:32′

1.6. تابع خطای CTC

00:55′

2.6. مدل زبانی

00:41′

3.6. توکنایزر

00:15′

1.7. مقدمه، یادگیری استراج ویژگی از گفتار خام با شبکه عصبی به صورت با ناظر و بدون ناظر

00:18′

2.7. آشنایی مقدماتی با ترنسفورمرها

00:13′

3.7. ادامه مبحث ترنسفورمرها

00:19′

4.7. آشنایی مقدماتی با مدل برت BERT

00:14′

5.7. مدل‌ها و یادگیری Contrastive، معرفی مدل Wav2vec

00:28′

6.7. مدل VQ-Wav2vec، مدل Wav2vec 2.0

00:23′

1.8. Intro-transformer 1

00:18′

2.8. Intro-transformer 2

00:13′

3.8. Intro-transformer 3

00:13′

4.8. Intro-transformer 4

00:13′

5.8. speech brain

00:27′

1.9. wav2vec2-1

00:12′

2.9. wav2vec2-2

00:11′

3.9. wav2vec2-3

00:15′