讲座报告主题：Zapformer：模型架构的最新进展
专家姓名：Daniel Povey
日期：2025-10-18 时间：09:15
地点：江苏镇江明都大饭店商务楼二楼华怡厅
主办单位：计算机科学与通信工程学院

主讲简介：Daniel Povey 博士是著名开源语音识别工具 Kaldi 的提出者和主要维护者，被业界称为 “Kaldi 之父”。Kaldi 项目在学术界和工业界都极具影响力，广泛应用于各研究机构和国内外知名公司，有力地推动了智能语音处理的产业化。Daniel Povey 在智能语音处理的技术上做出了非常多的贡献。他首次将序列区分性训练方法应用于语音识别，他提出的 LF-MMI 建模方法至今仍为商用语音识别系统普遍使用的标准技术。他也是将深度学习用于语音识别领域的重要引领者，在语音识别中推广了时延神经网络，配合 LF-MMI 训练，是 2015-2020 年学术界和工业界普遍使用的最佳组合。他还是深度学习在声纹识别领域的重要引领者，提出的 X-vectors 方法是第一个取得成功并被普遍应用的深度学习说话人识别方法，广泛应用于工业界。他在国际顶级会议和期刊发表论文200多篇，谷歌学术引用近 52000 次，h-index 70，担任 Signal Processing Letters 的终身副主编。研究专长：语音识别和声学建模。

主讲内容简介：我们此前发布的Zipformer架构在语音识别应用中达到了业界领先的性能水平，但其应用受限于模型复杂性和训练流程的繁琐性。新推出的"Zapformer"架构旨在简化Zipformer，并采用比以往更大的数据集进行架构调优和训练方法改进。在ASR应用中，Zapformer的性能显著优于Zipformer，而Zipformer本身也优于Conformer或Transformer。主要改进包括：移除随机化元素（如丢弃和层丢弃），用辅助损失函数替代其稳定性和泛化促进效果。

欢迎师生参加！