wav2vec-U: reconhecimento de fala de alto desempenho sem necessidade de supervisão

• Framework de reconhecimento de fala criado pela equipe de IA do Facebook

• Suporta reconhecimento em vários idiomas sem dados de voz transcritos

→ desempenho semelhante ao de modelos supervisionados treinados com cerca de 1.000 horas de fala

→ testado em idiomas como suaíli e tártaro, que não têm muitos dados de voz transcritos

• Método que aprende a estrutura de áudio não rotulado

→ divide as gravações de voz em unidades de fala que correspondem de forma aproximada a cada som

→ cat contém três sons: /K/, /AE/, /T/

→ treinado com uma GAN composta por generator e discriminator

• Código e artigo publicados