CTC：空格和空白有什么区别？答案

【问题标题】：CTC: What is the difference between space and blank?CTC：空格和空白有什么区别？
【发布时间】：2019-08-12 13:16:36
【问题描述】：

在 2006 article 关于连接主义时间分类，Alex Graves & co。引入了一个解码语音的模型，带有 27 个标签：26 个用于字母，一个用于 blank，表示没有标签（我理解为 silence >)。

但是，我看到很多使用 28 标签的 CTC 实现，一个是空白，另一个是空格。到目前为止，我还没有找到需要使用这两个标签的解释，而且对我来说，它们代表的是同一件事。

您能否解释一下 CTC 上下文中空白和空格之间的区别以及为什么需要这两个标签？

【问题讨论】：

空白是CTC内部使用的特殊字符，它在世界上没有真实的表示。另一方面，空格是用于分隔单词的普通空白字符。这里我写了一个关于CTC的简短介绍：towardsdatascience.com/3797e43a86c

标签： speech-recognition speech-to-text speech labeling ctc

【解决方案1】：

在联结主义时间分类中空间只是一个空格和空白是 '-' 我们用来解决重复的数据的重现。例如“pizza”将被编码为 “披萨”。

TLDR;

参考：https://towardsdatascience.com/beam-search-decoding-in-ctc-trained-neural-networks-5a889a3d85a7

在 CTC 中存在如何对重复字符进行编码的问题。它是通过引入一个伪字符（称为空白，但不要将其与“真正的”空白，即空白字符混淆）来解决的。该特殊字符在正文中将用“-”表示。我们使用一种巧妙的编码模式来解决重复字符问题：在对文本进行编码时，我们可以在任意位置插入任意多个空格，这些空格在解码时会被删除。但是，我们必须在重复字符之间插入一个空格，例如“hello”。此外，我们可以随意重复每个字符。让我们看一些例子： “to” → “---ttttttooo”，或“-t-o-”，或“to” “too”→“---ttttto-o”，或“-t-o-o-”，或“to-o”，但不是“too” 如您所见，此模式还允许我们轻松创建相同文本的不同对齐方式，例如“t-o”、“too”和“-to”都表示相同的文本（“to”），但与图像的对齐方式不同。 NN 被训练以输出编码文本（在 NN 输出矩阵中编码）。

【讨论】：