业界 | 谷歌用新的语音数据扩增技术大幅提升语音识别准确率

AI 科技评论按：把一段输入音频转换为一段文本的任务「自动语音识别（ASR）」，是深度神经网络的流行带来了极大变革的人工智能任务之一。如今常用的手机语音输入、YouTube 自动字幕生成、智能家电的语音控制都受益于自动语音识别技术的发展。不过，开发基于深度学习的语音识别系统还不是一个已经完善解决的问题，其中一方面的难点在于，含有大量参数的语音识别系统很容易过拟合到训练数据上，当训练不够充分时就无法很好地泛化到从未见过的数据。当对于图像分类任务，当训练数据的数量不足的时候我们可以使用各种数据扩增（data augmentation）方法生成更多数据，提高网络的表现。但是在自动语音识别任务中情况有所不同，传统的数据扩增方法一般是 ………………………………