语音领域的「ImageNet时刻」为何迟迟不来？

目前在计算机视觉领域已经有了一个普遍认识，那就是 ImageNet 预训练对于下游任务的有效性，来自 silero.ai 的俄国数据科学家 Alexander Veysov 将这一现状称为实现了「ImageNet 时刻」。那么它在语音领域是否存在呢？在本文中 Alexander Veysov 给出了否定的回答，并讨论了目前语音领域业界和学界存在的弊病，解释了为何迟迟未能实现「ImageNet 时刻

>>阅读原文<<