[发明专利]用于多模式双语预训练和语音翻译的融合声学和文本编码在审
| 申请号： | 202210949913.2 | 申请日： | 2022-08-09 |
| 公开（公告）号： | CN116151276A | 公开（公告）日： | 2023-05-23 |
| 发明（设计）人： | 郑人杰;陈俊锟;马明博;黄亮 | 申请（专利权）人： | 百度（美国）有限责任公司 |
| 主分类号： | G06F40/58 | 分类号： | G06F40/58;G10L15/00;G10L15/02;G10L19/16;G10L25/24;G10L25/27 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;王艳春 |
| 地址： | 美国加利*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 用于文本和语音的表示学习改进了许多与语言相关的任务。然而，现有方法仅从一种输入模式中学习，而诸如端到端语音翻译等任务需要语音和文本两者的统一表示。因此，这些方法无法利用各种大规模的文本和语音数据，并且它们的性能受到并行语音翻译数据稀缺的限制。为了解决这些问题，公开了融合声学和文本掩蔽语言模型(FAT‑MLM)的实施例。FAT‑MLM实施例联合学习来自各种类型的语料库的声音和文本输入两者的统一表示，该语料库包括用于语音识别和机器翻译的并行数据以及纯语音和文本数据。在这个跨模式表示学习框架内，进一步提出了端到端模型以用于融合声学和文本语音翻译。实验表明，通过从FAT‑MLM进行微调，语音翻译模型实施例显著提高了翻译质量。 | ||
| 搜索关键词： | 用于 模式 双语 训练 语音 翻译 融合 声学 文本 编码 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度（美国）有限责任公司，未经百度（美国）有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210949913.2/，转载请声明来源钻瓜专利网。
