論文の概要: ESPnet-ST: All-in-One Speech Translation Toolkit

• arxiv url: http://arxiv.org/abs/2004.10234v2
• Date: Wed, 30 Sep 2020 12:28:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 07:34:20.643002
• Title: ESPnet-ST: All-in-One Speech Translation Toolkit
• Title（参考訳）: ESPnet-ST:オールインワン音声翻訳ツールキット
• Authors: Hirofumi Inaguma, Shun Kiyono, Kevin Duh, Shigeki Karita, Nelson Enrique Yalta Soplin, Tomoki Hayashi, Shinji Watanabe
• Abstract要約: ESPnet-STは、エンドツーエンドの音声処理ツールキットであるESPnet内の新しいプロジェクトである。 音声認識、機械翻訳、音声翻訳のための音声合成機能を実装する。 データ前処理、特徴抽出、トレーニング、デコードパイプラインを含むオールインワンのレシピを提供します。
• 参考スコア（独自算出の注目度）: 57.76342114226599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ESPnet-ST, which is designed for the quick development of speech-to-speech translation systems in a single framework. ESPnet-ST is a new project inside end-to-end speech processing toolkit, ESPnet, which integrates or newly implements automatic speech recognition, machine translation, and text-to-speech functions for speech translation. We provide all-in-one recipes including data pre-processing, feature extraction, training, and decoding pipelines for a wide range of benchmark datasets. Our reproducible results can match or even outperform the current state-of-the-art performances; these pre-trained models are downloadable. The toolkit is publicly available at https://github.com/espnet/espnet.
• Abstract（参考訳）: ESPnet-STは,音声から音声への翻訳を1つのフレームワークで迅速に行うためのシステムである。 ESPnet-STは、音声認識、機械翻訳、音声翻訳のためのテキスト音声機能を統合する、あるいは新たに実装したエンドツーエンド音声処理ツールキットである。 データ前処理、特徴抽出、トレーニング、および幅広いベンチマークデータセットのためのデコーディングパイプラインを含む、オールインワンのレシピを提供する。 我々の再現可能な結果は、現在の最先端のパフォーマンスにマッチしたり、性能を上回ります。 このツールキットはhttps://github.com/espnet/espnetで公開されている。

関連論文リスト

• ESPnet-ST-v2: Multipurpose Spoken Language Translation Toolkit [61.52122386938913]
  ESPnet-ST-v2はオープンソースのESPnet-STツールキットを改良したものである。 本稿では,ESPnet-ST-v2の裏側における全体的な設計,各タスクのサンプルモデル,パフォーマンスベンチマークについて述べる。
  論文  参考訳（メタデータ） (2023-04-10T14:05:22Z)
• SpeechUT: Bridging Speech and Text with Hidden-Unit for Encoder-Decoder Based Speech-Text Pre-training [106.34112664893622]
  本稿では,音声エンコーダとテキストデコーダの表現を共有単位エンコーダに接続する,統一モーダル音声単位テキスト事前学習モデルであるSpeechUTを提案する。 提案するSpeechUTは,自動音声認識(ASR)と音声翻訳(ST)タスクに基づいて微調整および評価を行う。
  論文  参考訳（メタデータ） (2022-10-07T17:57:45Z)
• ESPnet-SE++: Speech Enhancement for Robust Speech Recognition, Translation, and Understanding [86.47555696652618]
  本稿では,音声分離と拡張をESPnetツールキットに統合する最近の進歩について述べる。 新しいインタフェースは、音声認識(ASR)、音声翻訳(ST)、音声言語理解(SLU)など、音声強調フロントエンドと他のタスクを併用するように設計されている。 その結果,SEフロントエンドとバックエンドタスクの統合は,ASR以外のタスクにおいても有望な研究方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-07-19T18:55:29Z)
• ESPnet-SLU: Advancing Spoken Language Understanding through ESPnet [95.39817519115394]
  ESPnet-SLUは、エンドツーエンドの音声処理ツールキットであるESPnetのプロジェクトである。 単一のフレームワークによる音声言語理解の迅速な開発を目的として設計されている。
  論文  参考訳（メタデータ） (2021-11-29T17:05:49Z)
• SpeechBrain: A General-Purpose Speech Toolkit [73.0404642815335]
  SpeechBrainはオープンソースでオールインワンの音声ツールキットである。 ニューラル音声処理技術の研究開発を促進するために設計された。 幅広い音声ベンチマークにおいて、競争力や最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-06-08T18:22:56Z)
• NeurST: Neural Speech Translation Toolkit [13.68036533544182]
  NeurSTは、ByteDance AI Labが開発したニューラルネットワーク翻訳のためのオープンソースのツールキットです。 主にエンドツーエンドの音声翻訳に焦点を当てており、高度な音声翻訳の研究や製品に簡単に使用、修正、拡張できます。
  論文  参考訳（メタデータ） (2020-12-18T02:33:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。