語音聊天輸出什麼意思

輸出是一串Subword，和NLP類似，目前Subword是最好的端到端系統的輸出單位，一般用sentence piece等工具將文字進行切分輸入是 Mel譜（MFCC特徵），可以理解爲將語音信號經過採樣，大約每10毫秒可以得到一個向量，向量的維度一般是80，如果語音有10秒，整個mel input的就是一個 80 * 1000 的矩陣