transformer 语音增强

Transformer语音增强是通过在Transformer模型中引入卷积层来改进语音识别性能的方法。该方法被称为Conv-Transformer。在Conv-Transformer中，卷积层被用来降低帧率、获取未来信息，并且在Transformer层之间进行插入。这种结构既可以显著减少训练内存需求，又不会导致准确率下降。