内置中文词表 · 路径折叠 · 前缀束搜索

为什么逐帧都选最大,最后却不一定是最可能文本?

CTC 不直接给出一句话,而是在每个时间步给字符与空白的概率。先把许多不同路径折叠到同一文本,再把它们的概率相加,才得到文本的概率。

调一调声学分布,让候选逐帧长出来

55%
60%
5%
5
0.8

时间步概率矩阵

0 / 6

    当前束内候选

    还未读入时间步;空前缀的概率为 1。

      折叠顺序不能反:先合并连续重复,再删除空白

      原始路径 π
      ① 合并连续重复
      ② 删除空白 ∅

      逐帧贪心
      前缀束搜索
      前缀束搜索 + 语言模型

      三张卡的“CTC 累计 logP”都按折叠文本聚合路径;贪心卡另列被逐帧选中的单一路径 logP。数值越接近 0,概率越大。LM 卡的最终分数再加上 α · log pLM

      自己选一条路径,再预测它会折叠成什么

      每个下拉框对应一个时间步。先在脑中执行“合并连续重复”,再执行“删除 ∅”;输入预测后检查。

      手动路径

      提示:连续的同一个字符只保留一个;被空白隔开的同字符会保留两个。