托木斯克国立大学开发出机器学习’高影响力教学策略’(HITs)算法

OK Google的替代品:高影响力教学策略(HITs)的学生在一个著名的比赛中获得第二名

托木斯克国立大学信息技术研究生院的四年级学生罗曼-维贡赢得了2021年Auto-KWS(个性化关键词发现)挑战赛的第二名,该挑战赛作为世界上最大的语音识别会议之一—视界的一部分举行。该竞赛由第四范式公司与中国的台湾大学、西北工业大学和南方科技大学共同举办。

托木斯克国立大学开发出机器学习’高影响力教学策略’(HITs)算法插图-小狮座俄罗斯留学
罗曼-维贡

从语音中提取个性化关键词Auto-KWS的科学竞赛由一个中国大学和公司组成的联盟负责。这个问题的解决方案现在处于IT技术的最前沿,吸引了学术界和工业界专家的大量关注。智能扬声器、智能手机中的语音助手和其他具有语音界面的设备都使用这种技术。

比赛持续了一个半月,在此期间约有20个团队试图提出最有效的解决方案。正如罗曼所说,参加这样的比赛很有意思,因为主题与学生的研究领域相吻合,而且作为在NTR实验室实习的一部分,有可能从事技术方面的工作,在那里可以依靠同事的帮助。

此前,两年前,罗曼-维贡和NTR实验室的创始人之一尼古拉-米哈伊洛夫斯基一起发表了一篇关于KWS卫星的科学论文—使用三重损失(Triplet Loss)学习关键词识别的有效表示,其中他们在谷歌命令数据集上取得了世界上最好的结果。现在,罗曼已经开发出一种全新的技术,用于高质量的个性化中文关键词识别,关于该技术的描述也将会公布。

发布于 一般新闻 并且被标记为 , .