wav2vec-U: reconocimiento de voz de alto rendimiento sin necesidad de supervisión

• Framework de reconocimiento de voz creado por el equipo de Facebook AI

• Soporta el reconocimiento en varios idiomas sin datos de voz transcritos

→ Rendimiento similar al de un modelo supervisado entrenado con alrededor de 1000 horas de voz

→ Probado en idiomas como suajili y tártaro, donde no abundan los datos de voz transcritos

• Método que aprende la estructura del audio no etiquetado

→ Divide las grabaciones de voz en unidades de habla que corresponden de forma flexible a cada sonido

→ cat incluye tres sonidos: /K/, /AE/, /T/

→ Entrenado con una GAN compuesta por un generator y un discriminator

• Código y paper publicados