Разработчиците на библиотеката Vosk публикуваха нови модели за разпознаване на руска реч: сървърна vosk-model-ru-0.22 и мобилна Vosk-model-small-ru-0.22. В моделите се използват нови речеви данни, както и нова невронна мрежа, което доведе до увеличение на точността на разпознаване с 10-20%. Кодът и данните се разпространяват под лицензия Apache 2.0.
Важни промени:
- Новите данни, събрани в гласови колонки, значително подобряват разпознаването на речеви команди, произнесени от разстояние.
- Новата схема за извличане на звук позволи значително да се повиши точността на разпознаването за широколентови записи. В същото време, точността на разпознаване на телефонни разговори също се е подобрила.
- Пакетът за разширение на речника позволява настройване на разпознаването на сложни технически записи.
За най-добра точност се препоръчва да се обнови и версията на Vosk до 0.3.32. Също така могат да бъдат интересни новите възможности на Vosk - интеграции с Unity, Nativescript, Jigasi. Модели за разпознаване на казахски и украински езици. За работа със сървърната модел е необходим съвременен процесор и 8Гб памет. Мобилният модел може да се използва в телефони и RaspberryPi 3+.
Източник: opennet.ru
