ΠΠΎΠΌΠΏΠ»Π΅ΠΊΡΡΡ ΡΡΡΠΎ
DeepSpeech Π΅ ΠΌΠ½ΠΎΠ³ΠΎ ΠΏΠΎ-ΠΏΡΠΎΡΡΠ° ΠΎΡ ΡΡΠ°Π΄ΠΈΡΠΈΠΎΠ½Π½ΠΈΡΠ΅ ΡΠΈΡΡΠ΅ΠΌΠΈ ΠΈ Π² ΡΡΡΠΎΡΠΎ Π²ΡΠ΅ΠΌΠ΅ ΠΎΡΠΈΠ³ΡΡΡΠ²Π° ΠΏΠΎ-Π²ΠΈΡΠΎΠΊΠΎ ΠΊΠ°ΡΠ΅ΡΡΠ²ΠΎ Π½Π° ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ ΠΏΡΠΈ Π½Π°Π»ΠΈΡΠΈΠ΅ Π½Π° Π²ΡΠ½ΡΠ΅Π½ ΡΡΠΌ. Π Π°Π·ΡΠ°Π±ΠΎΡΠΊΠ°ΡΠ° Π½Π΅ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π° ΡΡΠ°Π΄ΠΈΡΠΈΠΎΠ½Π½ΠΈ Π°ΠΊΡΡΡΠΈΡΠ½ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΈ ΠΊΠΎΠ½ΡΠ΅ΠΏΡΠΈΡΡΠ° Π·Π° ΡΠΎΠ½Π΅ΠΌΠΈ, Π²ΠΌΠ΅ΡΡΠΎ ΡΠΎΠ²Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π° Π΄ΠΎΠ±ΡΠ΅ ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ°Π½Π° ΡΠΈΡΡΠ΅ΠΌΠ° Π·Π° ΠΌΠ°ΡΠΈΠ½Π½ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅, Π±Π°Π·ΠΈΡΠ°Π½Π° Π½Π° Π½Π΅Π²ΡΠΎΠ½Π½Π° ΠΌΡΠ΅ΠΆΠ°, ΠΊΠΎΠ΅ΡΠΎ Π΅Π»ΠΈΠΌΠΈΠ½ΠΈΡΠ° Π½Π΅ΠΎΠ±Ρ ΠΎΠ΄ΠΈΠΌΠΎΡΡΡΠ° ΠΎΡ ΡΠ°Π·ΡΠ°Π±ΠΎΡΠ²Π°Π½Π΅ Π½Π° ΠΎΡΠ΄Π΅Π»Π½ΠΈ ΠΊΠΎΠΌΠΏΠΎΠ½Π΅Π½ΡΠΈ Π·Π° ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠ°Π½Π΅ Π½Π° ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ ΠΎΡΠΊΠ»ΠΎΠ½Π΅Π½ΠΈΡ, ΠΊΠ°ΡΠΎ ΡΡΠΌ, Π΅Ρ ΠΎ ΠΈ ΡΠ΅ΡΠ΅Π²ΠΈ Ρ Π°ΡΠ°ΠΊΡΠ΅ΡΠΈΡΡΠΈΠΊΠΈ .
ΠΠ΅Π΄ΠΎΡΡΠ°ΡΡΠΊΡΡ Π½Π° ΡΠΎΠ·ΠΈ ΠΏΠΎΠ΄Ρ
ΠΎΠ΄ Π΅, ΡΠ΅ Π·Π° Π΄Π° ΠΏΠΎΠ»ΡΡΠΈ Π²ΠΈΡΠΎΠΊΠΎΠΊΠ°ΡΠ΅ΡΡΠ²Π΅Π½ΠΎ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ ΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π½Π° Π½Π΅Π²ΡΠΎΠ½Π½Π°ΡΠ° ΠΌΡΠ΅ΠΆΠ°, ΠΌΠ°ΡΠΈΠ½Π°ΡΠ° DeepSpeech ΠΈΠ·ΠΈΡΠΊΠ²Π° Π³ΠΎΠ»ΡΠΌΠΎ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΠ°Π·Π½ΠΎΡΠΎΠ΄Π½ΠΈ Π΄Π°Π½Π½ΠΈ, Π΄ΠΈΠΊΡΡΠ²Π°Π½ΠΈ Π² ΡΠ΅Π°Π»Π½ΠΈ ΡΡΠ»ΠΎΠ²ΠΈΡ ΠΎΡ ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ Π³Π»Π°ΡΠΎΠ²Π΅ ΠΈ Π² ΠΏΡΠΈΡΡΡΡΠ²ΠΈΠ΅ΡΠΎ Π½Π° Π΅ΡΡΠ΅ΡΡΠ²Π΅Π½ ΡΡΠΌ.
Π‘ΡΠ±ΠΈΡΠ°Π½Π΅ΡΠΎ Π½Π° ΡΠ°ΠΊΠΈΠ²Π° Π΄Π°Π½Π½ΠΈ ΡΠ΅ ΠΈΠ·Π²ΡΡΡΠ²Π° ΠΎΡ ΠΏΡΠΎΠ΅ΠΊΡ, ΡΡΠ·Π΄Π°Π΄Π΅Π½ Π² Mozilla
ΠΡΠ°ΠΉΠ½Π°ΡΠ° ΡΠ΅Π» Π½Π° ΠΏΡΠΎΠ΅ΠΊΡΠ° Common Voice Π΅ Π΄Π° Π½Π°ΡΡΡΠΏΠ° 10 4.3 ΡΠ°ΡΠ° Π·Π°ΠΏΠΈΡΠΈ Π½Π° ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ ΠΏΡΠΎΠΈΠ·Π½ΠΎΡΠ΅Π½ΠΈΡ Π½Π° ΡΠΈΠΏΠΈΡΠ½ΠΈ ΡΠΎΠ²Π΅ΡΠΊΠΈ ΡΠ΅ΡΠ΅Π²ΠΈ ΡΡΠ°Π·ΠΈ, ΠΊΠΎΠΈΡΠΎ ΡΠ΅ ΠΏΠΎΡΡΠΈΠ³Π½Π°Ρ ΠΏΡΠΈΠ΅ΠΌΠ»ΠΈΠ²ΠΎ Π½ΠΈΠ²ΠΎ Π½Π° Π³ΡΠ΅ΡΠΊΠΈ ΠΏΡΠΈ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅. Π ΡΠ΅Π³Π°ΡΠ½ΠΈΡ ΡΠΈ Π²ΠΈΠ΄ ΡΡΠ°ΡΡΠ½ΠΈΡΠΈΡΠ΅ Π² ΠΏΡΠΎΠ΅ΠΊΡΠ° Π²Π΅ΡΠ΅ ΡΠ° ΠΈΠ·Π΄ΠΈΠΊΡΡΠ²Π°Π»ΠΈ ΠΎΠ±ΡΠΎ 3.5 Ρ ΠΈΠ»ΡΠ΄ΠΈ ΡΠ°ΡΠ°, ΠΎΡ ΠΊΠΎΠΈΡΠΎ 3816 Ρ ΠΈΠ»ΡΠ΄ΠΈ ΡΠ° ΡΠ΅ΡΡΠ²Π°Π½ΠΈ. ΠΡΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ΡΠΎ Π½Π° ΠΊΡΠ°ΠΉΠ½ΠΈΡ ΠΌΠΎΠ΄Π΅Π» Π½Π° Π°Π½Π³Π»ΠΈΠΉΡΠΊΠΈ Π΅Π·ΠΈΠΊ Π·Π° DeepSpeech Π±ΡΡ Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½ΠΈ 1700 ΡΠ°ΡΠ° ΡΠ΅Ρ, Π² Π΄ΠΎΠΏΡΠ»Π½Π΅Π½ΠΈΠ΅ ΠΊΡΠΌ Common Voice, ΠΏΠΎΠΊΡΠΈΠ²Π°Ρ Π΄Π°Π½Π½ΠΈ ΠΎΡ ΠΏΡΠΎΠ΅ΠΊΡΠΈΡΠ΅ LibriSpeech, Fisher ΠΈ Switchboard, ΠΈ ΡΡΡΠΎ Π²ΠΊΠ»ΡΡΠ²Π°Ρ ΠΎΠΊΠΎΠ»ΠΎ XNUMX ΡΠ°ΡΠ° ΡΡΠ°Π½ΡΠΊΡΠΈΠ±ΠΈΡΠ°Π½ΠΈ Π·Π°ΠΏΠΈΡΠΈ Π½Π° ΡΠ°Π΄ΠΈΠΎΠΏΡΠ΅Π΄Π°Π²Π°Π½ΠΈΡ.
ΠΡΠΈ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ Π½Π° Π³ΠΎΡΠΎΠ²ΠΈΡ ΠΌΠΎΠ΄Π΅Π» Π½Π° Π°Π½Π³Π»ΠΈΠΉΡΠΊΠΈ Π΅Π·ΠΈΠΊ, ΠΏΡΠ΅Π΄Π»ΠΎΠΆΠ΅Π½ Π·Π° ΠΈΠ·ΡΠ΅Π³Π»ΡΠ½Π΅, Π½ΠΈΠ²ΠΎΡΠΎ Π½Π° Π³ΡΠ΅ΡΠΊΠΈ ΠΏΡΠΈ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ Π² DeepSpeech Π΅ 7.5% ΠΏΡΠΈ ΠΎΡΠ΅Π½ΠΊΠ° ΠΎΡ ΡΠ΅ΡΡΠΎΠ²ΠΈΡ Π½Π°Π±ΠΎΡ
DeepSpeech ΡΠ΅ ΡΡΡΡΠΎΠΈ ΠΎΡ Π΄Π²Π΅ ΠΏΠΎΠ΄ΡΠΈΡΡΠ΅ΠΌΠΈ β Π°ΠΊΡΡΡΠΈΡΠ΅Π½ ΠΌΠΎΠ΄Π΅Π» ΠΈ Π΄Π΅ΠΊΠΎΠ΄Π΅Ρ. ΠΠΊΡΡΡΠΈΡΠ½ΠΈΡΡ ΠΌΠΎΠ΄Π΅Π» ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π° Π΄ΡΠ»Π±ΠΎΠΊΠΈ ΠΌΠ΅ΡΠΎΠ΄ΠΈ Π·Π° ΠΌΠ°ΡΠΈΠ½Π½ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅, Π·Π° Π΄Π° ΠΈΠ·ΡΠΈΡΠ»ΠΈ Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΡΠ° ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈ ΡΠΈΠΌΠ²ΠΎΠ»ΠΈ Π΄Π° ΠΏΡΠΈΡΡΡΡΠ²Π°Ρ Π²ΡΠ² Π²Ρ ΠΎΠ΄Π½ΠΈΡ Π·Π²ΡΠΊ. ΠΠ΅ΠΊΠΎΠ΄Π΅ΡΡΡ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π° Π°Π»Π³ΠΎΡΠΈΡΡΠΌ Π·Π° ΡΡΡΡΠ΅Π½Π΅ Π½Π° Π»ΡΡ, Π·Π° Π΄Π° ΠΏΡΠ΅ΠΎΠ±ΡΠ°Π·ΡΠ²Π° Π΄Π°Π½Π½ΠΈΡΠ΅ Π·Π° Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΡΠ° Π½Π° ΡΠΈΠΌΠ²ΠΎΠ»Π° Π² ΡΠ΅ΠΊΡΡΠΎΠ²ΠΎ ΠΏΡΠ΅Π΄ΡΡΠ°Π²ΡΠ½Π΅.
ΠΡΠ½ΠΎΠ²Π½Π°ΡΠ°
- ΠΡΠ΅Π΄Π»Π°Π³Π° ΡΠ΅ Π½ΠΎΠ² ΡΡΡΠΈΠΉΠΌΠΈΠ½Π³ Π΄Π΅ΠΊΠΎΠ΄Π΅Ρ, ΠΊΠΎΠΉΡΠΎ ΠΎΡΠΈΠ³ΡΡΡΠ²Π° ΠΏΠΎ-Π²ΠΈΡΠΎΠΊΠ° ΠΎΡΠ·ΠΈΠ²ΡΠΈΠ²ΠΎΡΡ ΠΈ Π½Π΅ Π·Π°Π²ΠΈΡΠΈ ΠΎΡ ΡΠ°Π·ΠΌΠ΅ΡΠ° Π½Π° ΠΎΠ±ΡΠ°Π±ΠΎΡΠ΅Π½ΠΈΡΠ΅ Π°ΡΠ΄ΠΈΠΎ Π΄Π°Π½Π½ΠΈ. Π ΡΠ΅Π·ΡΠ»ΡΠ°Ρ Π½Π° ΡΠΎΠ²Π° Π½ΠΎΠ²Π°ΡΠ° Π²Π΅ΡΡΠΈΡ Π½Π° DeepSpeech ΡΡΠΏΡ Π΄Π° Π½Π°ΠΌΠ°Π»ΠΈ Π·Π°Π±Π°Π²ΡΠ½Π΅ΡΠΎ Π½Π° ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ΡΠΎ Π΄ΠΎ 260 ms, ΠΊΠΎΠ΅ΡΠΎ Π΅ 73% ΠΏΠΎ-Π±ΡΡΠ·ΠΎ ΠΎΡ ΠΏΡΠ΅Π΄ΠΈ, ΠΈ Π²ΠΈ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ²Π° Π΄Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°ΡΠ΅ DeepSpeech Π² ΡΠ΅ΡΠ΅Π½ΠΈΡ Π·Π° ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅ Π½Π° ΡΠ΅Ρ Π² Π΄Π²ΠΈΠΆΠ΅Π½ΠΈΠ΅.
- ΠΠ°ΠΏΡΠ°Π²Π΅Π½ΠΈ ΡΠ° ΠΏΡΠΎΠΌΠ΅Π½ΠΈ Π² API ΠΈ Π΅ ΠΈΠ·Π²ΡΡΡΠ΅Π½Π° ΡΠ°Π±ΠΎΡΠ° Π·Π° ΡΠ΅Π΄Π½Π°ΠΊΠ²ΡΠ²Π°Π½Π΅ Π½Π° ΠΈΠΌΠ΅Π½Π°ΡΠ° Π½Π° ΡΡΠ½ΠΊΡΠΈΠΈΡΠ΅. ΠΠΎΠ±Π°Π²Π΅Π½ΠΈ ΡΠ° ΡΡΠ½ΠΊΡΠΈΠΈ Π·Π° ΠΏΠΎΠ»ΡΡΠ°Π²Π°Π½Π΅ Π½Π° Π΄ΠΎΠΏΡΠ»Π½ΠΈΡΠ΅Π»Π½ΠΈ ΠΌΠ΅ΡΠ°Π΄Π°Π½Π½ΠΈ Π·Π° ΡΠΈΠ½Ρ ΡΠΎΠ½ΠΈΠ·ΠΈΡΠ°Π½Π΅, ΠΊΠΎΠ΅ΡΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ²Π° Π½Π΅ ΡΠ°ΠΌΠΎ Π΄Π° ΡΠ΅ ΠΏΠΎΠ»ΡΡΠΈ ΡΠ΅ΠΊΡΡΠΎΠ²ΠΎ ΠΏΡΠ΅Π΄ΡΡΠ°Π²ΡΠ½Π΅ ΠΊΠ°ΡΠΎ ΠΈΠ·Ρ ΠΎΠ΄, Π½ΠΎ ΠΈ Π΄Π° ΡΠ΅ ΠΏΡΠΎΡΠ»Π΅Π΄ΠΈ ΠΎΠ±Π²ΡΡΠ·Π²Π°Π½Π΅ΡΠΎ Π½Π° ΠΎΡΠ΄Π΅Π»Π½ΠΈ Π·Π½Π°ΡΠΈ ΠΈ ΠΈΠ·ΡΠ΅ΡΠ΅Π½ΠΈΡ ΠΊΡΠΌ ΠΏΠΎΠ·ΠΈΡΠΈΡ Π² Π°ΡΠ΄ΠΈΠΎ ΠΏΠΎΡΠΎΠΊΠ°.
- ΠΡΠΌ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠ°ΡΠΈΡΠΌΠ° Π·Π° ΠΌΠΎΠ΄ΡΠ»ΠΈ Π·Π° ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π΅ Π΄ΠΎΠ±Π°Π²Π΅Π½Π° ΠΏΠΎΠ΄Π΄ΡΡΠΆΠΊΠ° Π·Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ Π½Π° Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ°ΡΠ°
CuDNN Π·Π° ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ°Π½Π΅ Π½Π° ΡΠ°Π±ΠΎΡΠ°ΡΠ° Ρ ΠΏΠΎΠ²ΡΠ°ΡΡΡΠΈ ΡΠ΅ Π½Π΅Π²ΡΠΎΠ½Π½ΠΈ ΠΌΡΠ΅ΠΆΠΈ (RNN), ΠΊΠΎΠ΅ΡΠΎ Π½Π°ΠΏΡΠ°Π²ΠΈ Π²ΡΠ·ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΡΡΠΈΠ³Π°Π½Π΅ΡΠΎ Π½Π° Π·Π½Π°ΡΠΈΡΠ΅Π»Π½ΠΎ (ΠΎΠΊΠΎΠ»ΠΎ Π΄Π²Π° ΠΏΡΡΠΈ) ΡΠ²Π΅Π»ΠΈΡΠ΅Π½ΠΈΠ΅ Π½Π° ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡΠ΅Π»Π½ΠΎΡΡΡΠ° Π½Π° ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ΡΠΎ Π½Π° ΠΌΠΎΠ΄Π΅Π»Π°, Π½ΠΎ ΠΈΠ·ΠΈΡΠΊΠ²Π° ΠΏΡΠΎΠΌΠ΅Π½ΠΈ Π² ΠΊΠΎΠ΄Π°, ΠΊΠΎΠΈΡΠΎ Π½Π°ΡΡΡΠ°Π²Π°Ρ ΡΡΠ²ΠΌΠ΅ΡΡΠΈΠΌΠΎΡΡΡΠ° Ρ ΠΏΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»Π½ΠΎ ΠΏΠΎΠ΄Π³ΠΎΡΠ²Π΅Π½ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ. - ΠΠΈΠ½ΠΈΠΌΠ°Π»Π½ΠΈΡΠ΅ ΠΈΠ·ΠΈΡΠΊΠ²Π°Π½ΠΈΡ Π·Π° Π²Π΅ΡΡΠΈΡΡΠ° TensorFlow ΡΠ° ΠΏΠΎΠ²ΠΈΡΠ΅Π½ΠΈ ΠΎΡ 1.13.1 Π½Π° 1.14.0. ΠΠΎΠ±Π°Π²Π΅Π½Π° Π΅ ΠΏΠΎΠ΄Π΄ΡΡΠΆΠΊΠ° Π·Π° ΠΎΠ»Π΅ΠΊΠΎΡΠ΅Π½ΠΎΡΠΎ ΠΈΠ·Π΄Π°Π½ΠΈΠ΅ TensorFlow Lite, ΠΊΠΎΠ΅ΡΠΎ Π½Π°ΠΌΠ°Π»ΡΠ²Π° ΡΠ°Π·ΠΌΠ΅ΡΠ° Π½Π° ΠΏΠ°ΠΊΠ΅ΡΠ° DeepSpeech ΠΎΡ 98 MB Π½Π° 3.7 MB. ΠΠ° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ Π½Π° Π²Π³ΡΠ°Π΄Π΅Π½ΠΈ ΠΈ ΠΌΠΎΠ±ΠΈΠ»Π½ΠΈ ΡΡΡΡΠΎΠΉΡΡΠ²Π° ΡΠ°Π·ΠΌΠ΅ΡΡΡ Π½Π° ΠΏΠ°ΠΊΠ΅ΡΠΈΡΠ°Π½ΠΈΡ ΡΠ°ΠΉΠ» Ρ ΠΌΠΎΠ΄Π΅Π»Π° ΡΡΡΠΎ Π±Π΅ΡΠ΅ Π½Π°ΠΌΠ°Π»Π΅Π½ ΠΎΡ 188 MB Π½Π° 47 MB ββββ(ΠΌΠ΅ΡΠΎΠ΄ΡΡ Π½Π° ΠΊΠ²Π°Π½ΡΡΠ²Π°Π½Π΅ Π±Π΅ΡΠ΅ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½ Π·Π° ΠΊΠΎΠΌΠΏΡΠ΅ΡΠΈΡΠ°Π½Π΅, ΡΠ»Π΅Π΄ ΠΊΠ°ΡΠΎ ΠΌΠΎΠ΄Π΅Π»ΡΡ Π±Π΅ΡΠ΅ ΠΎΠ±ΡΡΠ΅Π½).
- ΠΠ·ΠΈΠΊΠΎΠ²ΠΈΡΡ ΠΌΠΎΠ΄Π΅Π» Π΅ ΠΏΡΠ΅Π²Π΅Π΄Π΅Π½ Π² ΡΠ°Π·Π»ΠΈΡΠ΅Π½ ΡΠΎΡΠΌΠ°Ρ Π½Π° ΡΡΡΡΠΊΡΡΡΠΈ ΠΎΡ Π΄Π°Π½Π½ΠΈ, ΠΊΠΎΠΉΡΠΎ Π²ΠΈ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ²Π° Π΄Π° ΠΊΠ°ΡΡΠΎΠ³ΡΠ°ΡΠΈΡΠ°ΡΠ΅ ΡΠ°ΠΉΠ»ΠΎΠ²Π΅ Π² ΠΏΠ°ΠΌΠ΅ΡΡΠ° ΠΏΡΠΈ Π·Π°ΡΠ΅ΠΆΠ΄Π°Π½Π΅. ΠΠΎΠ΄Π΄ΡΡΠΆΠΊΠ°ΡΠ° Π½Π° ΡΡΠ°ΡΠΈΡ ΡΠΎΡΠΌΠ°Ρ Π΅ ΠΏΡΠ΅ΡΡΡΠ°Π½ΠΎΠ²Π΅Π½Π°.
- ΠΡΠΎΠΌΠ΅Π½Π΅Π½ Π΅ ΡΠ΅ΠΆΠΈΠΌΡΡ Π½Π° Π·Π°ΡΠ΅ΠΆΠ΄Π°Π½Π΅ Π½Π° ΡΠ°ΠΉΠ» Ρ Π΅Π·ΠΈΠΊΠΎΠ² ΠΌΠΎΠ΄Π΅Π», ΠΊΠΎΠ΅ΡΠΎ Π½Π°ΠΌΠ°Π»ΠΈ ΠΏΠΎΡΡΠ΅Π±Π»Π΅Π½ΠΈΠ΅ΡΠΎ Π½Π° ΠΏΠ°ΠΌΠ΅Ρ ΠΈ Π·Π°Π±Π°Π²ΡΠ½Π΅ΡΠΎ Π½Π° ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠ°ΡΠ° Π½Π° ΠΏΡΡΠ²Π°ΡΠ° Π·Π°ΡΠ²ΠΊΠ° ΡΠ»Π΅Π΄ ΡΡΠ·Π΄Π°Π²Π°Π½Π΅ΡΠΎ Π½Π° ΠΌΠΎΠ΄Π΅Π»Π°. DeepSpeech ΡΠ΅Π³Π° ΠΊΠΎΠ½ΡΡΠΌΠΈΡΠ° 22 ΠΏΡΡΠΈ ΠΏΠΎ-ΠΌΠ°Π»ΠΊΠΎ ΠΏΠ°ΠΌΠ΅Ρ, Π΄ΠΎΠΊΠ°ΡΠΎ ΡΠ°Π±ΠΎΡΠΈ, ΠΈ ΡΠ΅ ΡΡΠ°ΡΡΠΈΡΠ° 500 ΠΏΡΡΠΈ ΠΏΠΎ-Π±ΡΡΠ·ΠΎ.
- Π Π΅Π΄ΠΊΠΈ Π΄ΡΠΌΠΈ Π±ΡΡ Π° ΡΠΈΠ»ΡΡΠΈΡΠ°Π½ΠΈ Π² Π΅Π·ΠΈΠΊΠΎΠ²ΠΈΡ ΠΌΠΎΠ΄Π΅Π». ΠΠ±ΡΠΈΡΡ Π±ΡΠΎΠΉ Π΄ΡΠΌΠΈ Π΅ Π½Π°ΠΌΠ°Π»Π΅Π½ Π΄ΠΎ 500 1800 ΠΎΡ Π½Π°ΠΉ-ΠΏΠΎΠΏΡΠ»ΡΡΠ½ΠΈΡΠ΅ Π΄ΡΠΌΠΈ, Π½Π°ΠΌΠ΅ΡΠ΅Π½ΠΈ Π² ΡΠ΅ΠΊΡΡΠ°, ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½ Π·Π° ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π½Π° ΠΌΠΎΠ΄Π΅Π»Π°. ΠΠΎΡΠΈΡΡΠ²Π°Π½Π΅ΡΠΎ Π½Π°ΠΏΡΠ°Π²ΠΈ Π²ΡΠ·ΠΌΠΎΠΆΠ½ΠΎ Π½Π°ΠΌΠ°Π»ΡΠ²Π°Π½Π΅ΡΠΎ Π½Π° ΡΠ°Π·ΠΌΠ΅ΡΠ° Π½Π° Π΅Π·ΠΈΠΊΠΎΠ²ΠΈΡ ΠΌΠΎΠ΄Π΅Π» ΠΎΡ 900MB Π½Π° XNUMXMB, Π±Π΅Π· ΠΏΠΎΡΡΠΈ Π½ΠΈΠΊΠ°ΠΊΡΠ² Π΅ΡΠ΅ΠΊΡ Π²ΡΡΡ Ρ Π½ΠΈΠ²ΠΎΡΠΎ Π½Π° Π³ΡΠ΅ΡΠΊΠΈ ΠΏΡΠΈ ΡΠ°Π·ΠΏΠΎΠ·Π½Π°Π²Π°Π½Π΅.
- ΠΠΎΠ±Π°Π²Π΅Π½Π° Π΅ ΠΏΠΎΠ΄Π΄ΡΡΠΆΠΊΠ° Π·Π° ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ
ΡΠ΅Ρ Π½ΠΈΠΊ ΡΡΠ·Π΄Π°Π²Π°Π½Π΅ Π½Π° Π΄ΠΎΠΏΡΠ»Π½ΠΈΡΠ΅Π»Π½ΠΈ Π²Π°ΡΠΈΠ°Π½ΡΠΈ (ΡΠ²Π΅Π»ΠΈΡΠ°Π²Π°Π½Π΅) Π½Π° Π·Π²ΡΠΊΠΎΠ²ΠΈΡΠ΅ Π΄Π°Π½Π½ΠΈ, ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½ΠΈ Π² ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ΡΠΎ (Π½Π°ΠΏΡΠΈΠΌΠ΅Ρ Π΄ΠΎΠ±Π°Π²ΡΠ½Π΅ ΠΊΡΠΌ Π½Π°Π±ΠΎΡΠ° ΠΎΡ ΠΎΠΏΡΠΈΠΈ, ΠΊΠΎΠΈΡΠΎ Π²ΠΊΠ»ΡΡΠ²Π°Ρ ΠΈΠ·ΠΊΡΠΈΠ²ΡΠ²Π°Π½Π΅ ΠΈΠ»ΠΈ ΡΡΠΌ). - ΠΠΎΠ±Π°Π²Π΅Π½Π° Π΅ Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ° Ρ ΠΎΠ±Π²ΡΡΠ·Π²Π°Π½ΠΈΡ Π·Π° ΠΈΠ½ΡΠ΅Π³ΡΠ°ΡΠΈΡ Ρ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ, Π±Π°Π·ΠΈΡΠ°Π½ΠΈ Π½Π° ΠΏΠ»Π°ΡΡΠΎΡΠΌΠ°ΡΠ° .NET.
- ΠΡΠ΅ΡΠ°Π±ΠΎΡΠ΅Π½Π° Π΄ΠΎΠΊΡΠΌΠ΅Π½ΡΠ°ΡΠΈΡ, ΠΊΠΎΡΡΠΎ Π²Π΅ΡΠ΅ ΡΠ΅ ΡΡΠ±ΠΈΡΠ° Π½Π° ΠΎΡΠ΄Π΅Π»Π΅Π½ ΡΠ°ΠΉΡ
deepspeech.readthedocs.io .
ΠΠ·ΡΠΎΡΠ½ΠΈΠΊ: opennet.ru