计算机科学 > 计算与语言
[提交于 2020年10月30日
]
标题: 流式同时语音翻译增强记忆变压器
标题: Streaming Simultaneous Speech Translation with Augmented Memory Transformer
摘要: 基于Transformer的模型在语音翻译任务中取得了最先进的性能。 然而,由于自注意力机制是针对整个输入序列计算的,模型架构在流式场景中效率不够高,计算成本随着输入序列长度的增加而呈二次增长。 然而,大多数关于同时语音翻译的先前工作,在分析延迟时忽略了生成翻译所花费的时间。 在这种假设下,一个系统可能具有良好的延迟质量权衡,但在实时场景中可能无法应用。 在本文中,我们专注于流式同时语音翻译任务,其中系统不仅能够使用部分输入进行翻译,还能够处理非常长或连续的输入。 我们提出了一种端到端的基于Transformer的序列到序列模型,配备了一个增强记忆的Transformer编码器,该模型在使用混合或转换器基础模型的流式自动语音识别任务中已表现出巨大的成功。 我们在段、上下文和记忆大小上对所提出的模型进行了经验评估,并将我们的方法与具有单向掩码的Transformer进行了比较。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.