RNN-T 解码:(t,u) 格点上「→出blank、↑出token」

在声学帧 t(横轴)× 已输出 token u(纵轴)的网格上走折线,目标序列 g o o

t = 声学帧 u = 已出 token ∅ blank → 右 token → 上
t(帧)→ u↑ ∅(t,u)→右 vs y(t,u)→上 起点(1,0)
结果带:
⚠ 若是 CTC:相邻相同标签会折叠 → 只剩「g o」(丢一个 o)
点 ▶ 播放,看光标如何在格点上做 argmax 决策。
💡 横向 blank「时间走」、纵向 token「标签走」;连续相同 token 不合并 —— RNN-T 保留重复字符(goo 的两个 o 都在)。