CTC

CTC とは、入力と出力の長さがそろっていなくても、両者を対応づけて学習できるようにする手法です。

音声では、同じ「あ」でもゆっくり話せば長く、早口なら短くなります。どの時刻がどの文字に対応するかを人が指定しなくても、正しい文字列さえ与えれば学習できます。

書き起こしの用意が格段に楽になり、ディープラーニングによる音声認識を実用化する鍵となりました。