Model Info 중국 Baidu에서 공개한 End-to-End 음성인식 모델(2015.12) 음성데이터에 Melspectrograms을 적용 Fourier Transform시 발생하는 각 음성 feature의 위치를 파악할 수 없다. STFT(short time fourier transform)을 적용, 음성 feature를 좁은 단위로 FT를 적용해 feature의 위치를 반영 사람은 저주파수에 대해 민감히 잘 파악한다. 고주파수에 대한 음성은 잘 인식하지 못한다. 주파수를 사람의 인식단위로 mel scale 변환 Mel(f) = 2595 * log(1+ f / 700) Mel feature를 CNN과 RNN을 거친 뒤 CTC(Connectionist Temporal Classification)을 ..
