Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2011.00033

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2011.00033 (cs)
[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

Authors:Xutai Ma, Yongqiang Wang, Mohammad Javad Dousti, Philipp Koehn, Juan Pino
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。
摘要: Transformer-based models have achieved state-of-the-art performance on speech translation tasks. However, the model architecture is not efficient enough for streaming scenarios since self-attention is computed over an entire input sequence and the computational cost grows quadratically with the length of the input sequence. Nevertheless, most of the previous work on simultaneous speech translation, the task of generating translations from partial audio input, ignores the time spent in generating the translation when analyzing the latency. With this assumption, a system may have good latency quality trade-offs but be inapplicable in real-time scenarios. In this paper, we focus on the task of streaming simultaneous speech translation, where the systems are not only capable of translating with partial input but are also able to handle very long or continuous input. We propose an end-to-end transformer-based sequence-to-sequence model, equipped with an augmented memory transformer encoder, which has shown great success on the streaming automatic speech recognition task with hybrid or transducer-based models. We conduct an empirical evaluation of the proposed model on segment, context and memory sizes and we compare our approach to a transformer with a unidirectional mask.
主题: 计算与语言 (cs.CL)
引用方式: arXiv:2011.00033 [cs.CL]
  (或者 arXiv:2011.00033v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2011.00033
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xutai Ma [查看电子邮件]
[v1] 星期五, 2020 年 10 月 30 日 18:28:42 UTC (312 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2020-11
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号