热点事件持续更新

E-Gaborformer严格因果语音识别器发布

1 篇报道1 个报道来源18 小时前更新

先了解这件事

AI 综述

Nir Krakowski 发布论文提出 E-Gaborformer，一种严格因果语音识别编码器：把 Gated DeltaNet-2 循环层与滑动窗口注意力按 3:1 组合，时间卷积由固定因果 Gabor 原子字典构建。论文称其流式状态恒定，生产规模下含预测网络约 19 MB/次调用，而同规模因果注意力编码器十分钟后累积超 1 GB。在 LibriSpeech 因果研究中，它达到给定精度最多快 18%，并匹配或超过相同前端与配方训练的 E-Branchformer。论文还称同一权重可服务严格因果与 480 ms 前瞻解码且精度不降，RNN-T 格的两类表述使 transducer 训练快 2.6 倍并保持精确损失与梯度。生产规模下，基于该架构的 0.6B 参数希伯来语与英语流式 transducer，在英语语音智能体流量上 WER 比同规模 NVIDIA Nemotron 3.5 ASR Streaming 低 28% 至 31%，希伯来语 WER 比此前生产系统低最多 20%。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月5日

22:36
arXiv · cs.CL
E-Gaborformer：基于 Gabor 字典卷积与 Delta-Rule 记忆的严格因果语音识别器
E-Gaborformer 是一个严格因果语音识别编码器，将 Gated DeltaNet-2 循环层与滑动窗口注意力按 3:1 比例组合，并用固定因果 Gabor 原子字典构建时间卷积，流式状态恒定约 19 MB/次调用，而同规模因果注意力编码器十分钟后累积超 1 GB。在 LibriSpeech 因果研究中，它达到给定精度最多快 18%，并匹配或超过相同前端与配方训练的 E-Branchformer。生产规模下，基于该架构的 0.6B 参数希伯来语与英语流式 transducer 在英语语音智能体流量上 WER 比同规模 NVIDIA Nemotron 3.5 ASR Streaming 低 28% 至 31%，希伯来语 WER 比此前生产系统低最多 20%。

本事件热度走势

可比范围当前: 6
可比范围峰值: 611月6日 14:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。