VNet ASR — Conformer + CTC/Attention/Transducer 语音识别
基于 Conformer 编码器 + 联合 CTC/Attention/Transducer 解码的语音识别演示。
三种解码模式
| 模式 |
特点 |
| Attention |
自回归解码，精度最高 (CER=0.87%) |
| Transducer |
流式友好，适合低延迟场景 |
| CTC Greedy |
非自回归，速度最快 |
模型信息
- 编码器: 6× Conformer Block, d_model=144, 4 heads
- 训练数据: 300条 TTS 合成中文语音命令
- 词汇: 34个中文汉字 + 特殊标记
