CTC：空格和空白有什么区别？

Question

在 2006 年关于联结主义时间分类的文章中，Alex Graves 等人。引入了一种具有27 个标签的语音解码模型：26 个用于字母表字母，一个用于空白，意思是没有标签（我理解为沉默）。

然而，我看到很多 CTC 的实现都使用28 个标签，一个是空白，另一个是空格。到目前为止，我还无法找到需要使用这两个标签的解释，对我来说，它们代表同一件事。

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

Answer 1

\n

在联结主义时态分类中，空间只是一个空白，空白就是“-”，我们用它来解决数据的重复出现。例如“pizza”将被编码为“piz-za”。

\n

\n\n

太长了；

\n\n

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

\n\n

在CTC中存在一个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 \xe2\x80\x9creal\xe2\x80\x9d 空白，即空白字符混淆）来解决的。该特殊字符在文本中将表示为\xe2\x80\x9c-\xe2\x80\x9d。我们使用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，而在解码时这些空格将被删除。但是，我们必须在重复字符之间插入空格，例如 \xe2\x80\x9chello\xe2\x80\x9d。此外，我们可以随意重复每个字符。\n让\xe2\x80\x99s 看一些示例：\n\xe2\x80\x9cto\xe2\x80\x9d \xe2\x86\x92 \xe2\x80 \x9c---ttttttooo\xe2\x80\x9d，或 \xe2\x80\x9c-to-\xe2\x80\x9d，或 \xe2\x80\x9cto\xe2\x80\x9d\n\xe2\x80\ x9ctoo\xe2\x80\x9d \xe2\x86\x92 \xe2\x80\x9c---ttttto-o\xe2\x80\x9d，或 \xe2\x80\x9c-too-\xe2\x80\x9d，或\xe2\x80\x9cto-o\xe2\x80\x9d，但不是 \xe2\x80\x9ctoo\xe2\x80\x9d\n 如您所见，此模式还允许我们轻松创建同一文本的不同对齐方式，例如\xe2\x80\x9ct-o\xe2\x80\x9d 和 \xe2\x80\x9ctoo\xe2\x80\x9d 和 \xe2\x80\x9c-to\xe2\x80\x9d 都表示相同的文本 (\xe2 \x80\x9cto\xe2\x80\x9d)，但与图像的对齐方式不同。神经网络经过训练以输出编码文本（在神经网络输出矩阵中编码）。

\n