facebookresearch/fairseq

Hybrid CTC/attention decode

Offen

#5.015 geöffnet am 08.03.2023

Auf GitHub ansehenContributor Guide
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (6.224 Forks)batch import
enhancementhelp wantedneeds triage

Repository-Metriken

Stars
 (29.107 Sterne)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

🚀 Feature Request

Hybrid CTC/attention decode is needed in asr task.

Motivation

Hybrid CTC/attention has achieve impressive results is speech recognition. However, i do not find the relevant feature in fairseq, especially when decoding. Paper: Hybrid CTC/attention architecture for end-to-end speech recognition

Pitch

User can easily adopt the hybrid CTC/attention decode.

Contributor Guide

Research-Richtung
Studieren Sie das Paper zum hybriden CTC/Aufmerksamkeits ASR Decoding und implementieren Sie dann den Decoder in fairseq.
Tech Stack
pythonpytorch
Domain
machine learningai
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Recherche nötig
Voraussetzungen
PythonPyTorchASR
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30