用于具有触发注意力的端到端语音识别的系统和方法

摘要

一种语音识别系统包括用于将输入声学信号转换为编码器状态序列的编码器、用于识别编码器状态序列中的对转录输出进行编码的编码器状态的位置的对齐解码器、用于基于所识别的编码器状态的位置将编码器状态序列划分成分区集合的划分模块、以及确定针对作为输入提交至基于注意力的解码器的编码器状态的每个分区的转录输出的基于注意力的解码器。当接收到声学信号时，系统使用编码器生成编码器状态序列，基于由对齐解码器识别出的编码器状态的位置，将编码器状态序列划分为分区集合，并且将分区集合顺序地提交到基于注意力的解码器中，以产生针对每个所提交的分区的转录输出。