跳到正文
arXiv AI· Jonathan D. McCart, Pranav I. Deevi, Mehdi Azabou, Nanda H. Krishna, Caleb A. McKinney, Nicholas S. Card, Sergey D. Stavisky, Chethan Pandarinath·· 3 天前评分11

FETTUCCINE: Fast and efficient brain-to-text decoding on mobile devices

摘要

我们引入FETTUCCINE,一种端到端的脑到文本框架,利用自动语音识别(ASR)模型的速度和便携性来解决上述实际挑战,同时实现可接受的(<10%)词错误率(WER),高效适应神经非平稳性,并在移动设备上可靠运行。在使用公开数据评估时,FETTUCCINE优于以往的端到端方法,实现最低的4.39% WER。最显著的是,我们的模型成功在商用移动设备上运行,吞吐量达到370倍实时,首次在移动设备上演示脑到文本解码。

推荐理由

请对照arXiv AI原文,核对完整说明及适用条件。

本站只提供摘要与原文入口。完整内容请阅读原文。

来源:arXiv AI · arxiv.org