准备Python环境 建议安装anaconda3: anaconda3 创建ESPNET的环境: conda create -n espnet python=3.6 Install ESPNET相关依赖 下载espnet源代码 espnet github pip install torch==1.0.1 # Installation from anaconda is recommended f

论文信息 作者：Vaswani A , Shazeer N , Parmar N , et al. 单位：Google 会议：NIPS 2017 发表日期： 2017-06 论文链接：attention is all you need 简介主流的序列转换模型一般都是基于循环神经网络或者卷积神经网络来做的，包含编码器（encoder）、解码器（decoder），通过注意力机制连接编码器和解码器取

传统与端到端语音识别框架 传统的语音识别框架[Automatic Speech Recognition] 端到端语音识别框架[Machine Learning Yearning]

论文信息 发表机构：Google AI Language 发表时间：2018-10 论文链接：https://arxiv.org/abs/1810.04805 简介语言模型预训练对于提升很多自然语言处理任务有大帮助，这些任务包括句子级别任务例如自然语言推理、释义)、单词符号级别任务（例如命名实体识别、问答）。有两种策略将预训练的语言表示应用到这些任务上：基于特征的策略和微调优化的策略。这篇文章改

前言因本文与Gist绑定，需要访问外网，否则可能无法全部显示，对此十分抱歉。

论文信息 发表机构：Baidu 发表时间：2017-10 论文链接：https://arxiv.org/pdf/1710.07654.pdf 简介本文提出了一个全卷积架构的语音合成框架特别地，本文的贡献包括： 提出了全卷积的字符到频谱的架构，能够在序列上完成并行计算，训练速度比采用循环单元的类似架构快一个数量级 证明了该架构适用于LibriSpeech数据集，并能快速训练，该数据集包含了24

论文信息 发表机构：Google 发表时间：2017-04 论文链接：https://arxiv.org/pdf/1703.10135.pdf 简介现代的语音合成（Text-to-Speech，TTS）是很复杂的系统流程。对于参数语音合成，包括从语言抽取特征的文本处理、时长模型、声学模型预测声学特征、基于复杂信号处理的声码器。这些模块都是基于专家知识、需要精心设计。另外这些模块都是独立训练的，

DescriptionGiven an array of scores that are non-negative integers. Player 1 picks one of the numbers from either end of the array followed by the player 2 and then player 1 and so on. Each time a pla

前言 源码： https://code.google.com/archive/p/word2vec/ 文献： https://arxiv.org/pdf/1301.3781.pdf 介绍word2vec 是Google 2013年创建的一个项目， 其是“Tool for computing continuous distributed representations of words”。 wor

返乡人潮腊月二十九请假了一天提前回家，一大早7点的高铁，提前一个小时到车站，也已经是人潮涌动了。没抢到二等座，就买了一等座，什么都无法阻挡回家的脚步。 人情世故除了家人团聚，春节最重要的非走亲戚莫属。从初二到初五，不是在亲戚家，就是在走亲戚的路上。几千年的风俗习惯，几千年的人情世故，流淌在我们心中，延绵不绝。 永恒话题蓝天白云和往年不同的是，整个市都禁放鞭炮，买卖鞭炮或者燃放鞭炮都会被严处。只有在