Нови модели за разпознаване на руска реч в библиотеката Vosk

Разработчиците на библиотеката Vosk публикуваха нови модели за разпознаване на руска реч: сървърен vosk-model-ru-0.22 и мобилен Vosk-model-small-ru-0.22. Моделите използват нови речеви данни, както и нова архитектура на невронни мрежи, което позволява да се повиши точността на разпознаване с 10-20%. Кодът и данните се разпространяват под лиценза Apache 2.0.

Важни промени:

• Новите данни, събрани в гласовите колони, значително подобряват разпознаването на речеви команди, изречени от разстояние.
• Новата схема за извличане на звук значително подобри точността на разпознаване за широколентови записи. В същото време точността на разпознаване на телефонията също се е подобрила.
• Пакетът с добавки за речник ви позволява да персонализирате разпознаването на сложни технически записи.

За най-голяма точност се препоръчва да актуализирате и версията на Wax до 0.3.32. Може да се интересувате и от новите функции на Wax - интеграция с Unity, Nativescript, Jigasi. Модели за разпознаване на казахски и украински език. Моделът сървър се нуждае от модерен процесор и 8GB памет за работа. Мобилният модел може да се използва в телефони и RaspberryPi 3+.

Източник: opennet.ru