RNN-T (transdüser) nədir və onun streaming üçün üstünlüyü nədir?

RNN-T (Təkrarlanan Neyron Şəbəkəsi Transdüseri) ardıcıllıqla proqnozlaşdırma vəzifələri üçün nəzərdə tutulmuş neyron şəbəkə memarəsidir, məsələn, nitq tanıma. O, giriş audio üçün təkrarlanan şəbəkəni (enkoder), əvvəlki çıxışları proqnozlaşdırmaq üçün şəbəkəni (proqnoz şəbəkəsi) və bu iki axını birləşdirən ümumi şəbəkəni özündə birləşdirir.

RNN-T-nin axın üçün üstünlüyü odur ki, model onlayn rejimdə işləyə bilər, audio daxil olduqca işləyir, bütün audio axını gözləməyə ehtiyac olmadan. Bu, təkrarlanan əlaqələr və artıq işlənmiş məlumatları nəzərə alaraq çıxışları proqnozlaşdırma qabiliyyəti sayəsində, aşağı gecikmə və yüksək dəqiqlik təmin edir.

Təxminən belə təsəvvür edilə bilər:

• Enkoder audio kadrlarını ardıcıl işləyir.
• Proqnoz şəbəkəsi artıq proqnozlaşdırılmış simvolları nəzərə alır.
• Ümumi şəbəkə məlumatları birləşdirir və növbəti simvolu yaradır.

Bu şəkildə, RNN-T sürət və davamiyyətin vacib olduğu tətbiqlər üçün idealdır, məsələn, səsli köməkçilər və ya real vaxtda altyazı sistemləri kimi.