音频处理SSM网络

Centaurus是一种将状态空间模型(SSMs)视为卷积神经网络(ConvNets)的新型网络架构，通过优化的张量收缩顺序提升训练效率。其核心创新在于将SSM块操作框架化为张量运算，并融合经典ConvNet设计理念（如分组卷积和瓶颈块），形成异构网络结构。该网络在保持参数效率的同时，在音频处理任务中展现出卓越性能，且是首个完全基于状态空间模型（不依赖LSTM/CNN/注意力机制）却达到竞争力的ASR性能的模型。