wav2vec-U: Hochleistungs-Spracherkennung ohne Supervision

• Ein vom Facebook-AI-Team entwickeltes Spracherkennungs-Framework

• Unterstützt die Erkennung verschiedener Sprachen ohne transkribierte Sprachdaten

→ Ähnliche Leistung wie überwachtes Lernen mit Modellen, die mit etwa 1000 Stunden Sprachmaterial trainiert wurden

→ Getestet mit Sprachen wie Swahili und Tatarisch, für die nur wenige transkribierte Sprachdaten vorhanden sind

• Lernt die Struktur von nicht gelabeltem Audio

→ Sprachaufnahmen werden in Spracheinheiten aufgeteilt, die jeweils locker einzelnen Lauten entsprechen

→ cat enthält die drei Laute "/K/", "/AE/" und "/T/"

→ Training als GAN, bestehend aus Generator und Discriminator

• Code und Paper veröffentlicht