Зи чӣ гуна аст ва дар куҷо дар ASR истифода мешавад?

Бозгучи Вақтли Тасниф (CTC) йўқотиш функцияси, кириш ва чиқиш кетма-кетликларини мувофиқлаштирмайдиган моделларни ўргатиш учун ишлатилади, масалан, нутқни таниб олиш (ASR) вазифаларида.

ASRда асосий муаммо, кириш аудио сигнали узунлиги ва матн транскрипциясининг узунлиги бир-биридан фарқ қилади, ва улар ўртасидаги мувофиқлаштириш маълум эмас. CTC моделга аниқ мувофиқлаштиришсиз ўрганиш имконини беради, автоматик равишда кириш фреймлари ва чиқиш белгилари ўртасидаги барча мумкин бўлган мослашувларни ҳисобга олади.

CTC қандай ишлайди:

• Модель ҳар бир вақт қадамида белгилар учун эҳтимолият тақсимотини тахмин қилади (махсус "blank" — бўш белгини ҳам ўз ичига олади).
• CTC, бўш белгилар ва такрорлардан кейин мақсадий кетма-кетликка қисқартирила оладиган барча мумкин йўлларни қўшиб, тўғри кетма-кетлик эҳтимолини ҳисоблайди.
• Йўқотиш функцияси бу эҳтимолиятнинг манфий логаритми.

Қўлланиши:

• RNN, LSTM, Transformer каби моделларни аудио матнга айлантириш учун ўргатиш.
• Аудио ва матн ўртасида аниқ мувофиқлаштириш талаб қилинмайди.

Масалан: агар модел бўш белгилар ва такрорлар билан белгилар кетма-кетлигини тахмин қилса, CTC барча йўлларни йиғади ва улар мақсад транскриптига мос келади.

Шу тариқа, CTC йўқотиши автоматик гапни таниб олиш тизимларини ўргатишда асосий компонент бўлиб, агар аудио ва матн ўртасидаги мувофиқлаштириш маълум бўлмаса ёки қийин бўлса, муҳимдир.