Компания Mozilla прСдставила Π΄Π²ΠΈΠΆΠΎΠΊ распознавания Ρ€Π΅Ρ‡ΠΈ DeepSpeech 0.6

ΠŸΡ€Π΅Π΄ΡΡ‚Π°Π²Π»Π΅Π½ выпуск Ρ€Π°Π·Π²ΠΈΠ²Π°Π΅ΠΌΠΎΠ³ΠΎ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠ΅ΠΉ Mozilla Π΄Π²ΠΈΠΆΠΊΠ° распознавания Ρ€Π΅Ρ‡ΠΈ DeepSpeech 0.6, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Ρ€Π΅Π°Π»ΠΈΠ·ΡƒΠ΅Ρ‚ ΠΎΠ΄Π½ΠΎΠΈΠΌΡ‘Π½Π½ΡƒΡŽ Π°Ρ€Ρ…ΠΈΡ‚Π΅ΠΊΡ‚ΡƒΡ€Ρƒ распознавания Ρ€Π΅Ρ‡ΠΈ, ΠΏΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½Π½ΡƒΡŽ исслСдоватСлями ΠΈΠ· ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ Baidu. РСализация написана Π½Π° языкС Python с использованиСм ΠΏΠ»Π°Ρ‚Ρ„ΠΎΡ€ΠΌΡ‹ машинного обучСния TensorFlow ΠΈ распространяСтся ΠΏΠΎΠ΄ свободной Π»ΠΈΡ†Π΅Π½Π·ΠΈΠ΅ΠΉ MPL 2.0. ΠŸΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΈΠ²Π°Π΅Ρ‚ΡΡ Ρ€Π°Π±ΠΎΡ‚Π° Π² Linux, Android, macOS ΠΈ Windows. ΠŸΡ€ΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ достаточно для использования Π΄Π²ΠΈΠΆΠΊΠ° Π½Π° ΠΏΠ»Π°Ρ‚Π°Ρ… LePotato, Raspberry Pi 3 ΠΈ Raspberry Pi 4.

Π’ Π½Π°Π±ΠΎΡ€Π΅ Ρ‚Π°ΠΊΠΆΠ΅ ΠΏΡ€Π΅Π΄Π»Π°Π³Π°ΡŽΡ‚ΡΡ ΠΎΠ±ΡƒΡ‡Π΅Π½Π½Ρ‹Π΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ, ΠΏΡ€ΠΈΠΌΠ΅Ρ€Ρ‹ Π·Π²ΡƒΠΊΠΎΠ²Ρ‹Ρ… Ρ„Π°ΠΉΠ»ΠΎΠ² ΠΈ инструмСнтарий для распознавания ΠΈΠ· ΠΊΠΎΠΌΠ°Π½Π΄Π½ΠΎΠΉ строки. Для встраивания Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ распознавания Ρ€Π΅Ρ‡ΠΈ Π² свои ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΡ‹ ΠΏΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½Ρ‹ Π³ΠΎΡ‚ΠΎΠ²Ρ‹Π΅ ΠΊ ΠΏΡ€ΠΈΠΌΠ΅Π½Π΅Π½ΠΈΡŽ ΠΌΠΎΠ΄ΡƒΠ»ΠΈ для Python, NodeJS, C++ ΠΈ .NET (сторонними Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚Ρ‡ΠΈΠΊΠ°ΠΌΠΈ ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½ΠΎ ΠΏΠΎΠ΄Π³ΠΎΡ‚ΠΎΠ²Π»Π΅Π½Ρ‹ ΠΌΠΎΠ΄ΡƒΠ»ΠΈ для Rust ΠΈ Go). Готовая модСль поставляСтся Ρ‚ΠΎΠ»ΡŒΠΊΠΎ для английского языка, Π½ΠΎ для Π΄Ρ€ΡƒΠ³ΠΈΡ… языков ΠΏΠΎ ΠΏΡ€ΠΈΠ»Π°Π³Π°Π΅ΠΌΠΎΠΉ инструкции ΠΌΠΎΠΆΠ½ΠΎ ΠΎΠ±ΡƒΡ‡ΠΈΡ‚ΡŒ систСму ΡΠ°ΠΌΠΎΡΡ‚ΠΎΡΡ‚Π΅Π»ΡŒΠ½ΠΎ, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡ голосовыС Π΄Π°Π½Π½Ρ‹Π΅, собранныС ΠΏΡ€ΠΎΠ΅ΠΊΡ‚ΠΎΠΌ Common Voice.

DeepSpeech Π·Π½Π°Ρ‡ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎ ΠΏΡ€ΠΎΡ‰Π΅ Ρ‚Ρ€Π°Π΄ΠΈΡ†ΠΈΠΎΠ½Π½Ρ‹Ρ… систСм ΠΈ ΠΏΡ€ΠΈ этом обСспСчиваСт Π±ΠΎΠ»Π΅Π΅ высокоС качСство распознавания ΠΏΡ€ΠΈ Π½Π°Π»ΠΈΡ‡ΠΈΠΈ постороннСго ΡˆΡƒΠΌΠ°. Π’ Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ΅ Π½Π΅ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡŽΡ‚ΡΡ Ρ‚Ρ€Π°Π΄ΠΈΡ†ΠΈΠΎΠ½Π½Ρ‹Π΅ акустичСскиС ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΈ концСпция Ρ„ΠΎΠ½Π΅ΠΌ, вмСсто Π½ΠΈΡ… примСняСтся Ρ…ΠΎΡ€ΠΎΡˆΠΎ оптимизированная систСма машинного обучСния Π½Π° основС Π½Π΅ΠΉΡ€ΠΎΠ½Π½ΠΎΠΉ сСти, которая позволяСт ΠΎΠ±ΠΎΠΉΡ‚ΠΈΡΡŒ Π±Π΅Π· Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠΈ ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½Ρ‹Ρ… ΠΊΠΎΠΌΠΏΠΎΠ½Π΅Π½Ρ‚ΠΎΠ² для модСлирования Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Ρ… ΠΎΡ‚ΠΊΠ»ΠΎΠ½Π΅Π½ΠΈΠΉ, Ρ‚Π°ΠΊΠΈΡ… ΠΊΠ°ΠΊ ΡˆΡƒΠΌ, эхо ΠΈ особСнности Ρ€Π΅Ρ‡ΠΈ.

ΠžΠ±Ρ€Π°Ρ‚Π½ΠΎΠΉ стороной ΠΏΠΎΠ΄ΠΎΠ±Π½ΠΎΠ³ΠΎ ΠΏΠΎΠ΄Ρ…ΠΎΠ΄Π° являСтся Ρ‚ΠΎ, Ρ‡Ρ‚ΠΎ для получСния качСствСнного распознавания ΠΈ обучСния Π½Π΅ΠΉΡ€ΠΎΠ½Π½ΠΎΠΉ сСти Π΄Π²ΠΈΠΆΠΎΠΊ DeepSpeech Ρ‚Ρ€Π΅Π±ΡƒΠ΅Ρ‚ большого ΠΎΠ±ΡŠΡ‘ΠΌΠ° Ρ€Π°Π·Π½ΠΎΡ€ΠΎΠ΄Π½Ρ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…, Π½Π°Π΄ΠΈΠΊΡ‚ΠΎΠ²Π°Π½Π½Ρ‹Ρ… Π² Ρ€Π΅Π°Π»ΡŒΠ½Ρ‹Ρ… условиях Ρ€Π°Π·Π½Ρ‹ΠΌΠΈ голосами ΠΈ ΠΏΡ€ΠΈ Π½Π°Π»ΠΈΡ‡ΠΈΠΈ СстСствСнных ΡˆΡƒΠΌΠΎΠ².
Π‘Π±ΠΎΡ€ΠΎΠΌ ΠΏΠΎΠ΄ΠΎΠ±Π½Ρ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ… занимаСтся созданный Π² Mozilla ΠΏΡ€ΠΎΠ΅ΠΊΡ‚ Common Voice, ΠΏΡ€Π΅Π΄ΠΎΡΡ‚Π°Π²Π»ΡΡŽΡ‰ΠΈΠΉ ΠΏΡ€ΠΎΠ²Π΅Ρ€Π΅Π½Π½Ρ‹ΠΉ Π½Π°Π±ΠΎΡ€ Π΄Π°Π½Π½Ρ‹Ρ… с 780 часами Π½Π° английском языкС, 325 Π½Π° Π½Π΅ΠΌΠ΅Ρ†ΠΊΠΎΠΌ, 173 Π½Π° французском ΠΈ 27 часами Π½Π° русском.

ΠšΠΎΠ½Π΅Ρ‡Π½ΠΎΠΉ Ρ†Π΅Π»ΡŒΡŽ ΠΏΡ€ΠΎΠ΅ΠΊΡ‚Π° Common Voice являСтся Π½Π°ΠΊΠΎΠΏΠ»Π΅Π½ΠΈΠ΅ 10 тысяч часов c записями Ρ€Π°Π·Π»ΠΈΡ‡Π½ΠΎΠ³ΠΎ ΠΏΡ€ΠΎΠΈΠ·Π½ΠΎΡˆΠ΅Π½ΠΈΡ Ρ‚ΠΈΠΏΠΎΠ²Ρ‹Ρ… Ρ„Ρ€Π°Π· чСловСчСской Ρ€Π΅Ρ‡ΠΈ, Ρ‡Ρ‚ΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΠΈΡ‚ Π΄ΠΎΡΡ‚ΠΈΡ‡ΡŒ ΠΏΡ€ΠΈΠ΅ΠΌΠ»Π΅ΠΌΠΎΠ³ΠΎ уровня ошибок ΠΏΡ€ΠΈ распознавании. Π’ Ρ‚Π΅ΠΊΡƒΡ‰Π΅ΠΌ Π²ΠΈΠ΄Π΅ участниками ΠΏΡ€ΠΎΠ΅ΠΊΡ‚Π° ΡƒΠΆΠ΅ Π½Π°Π΄ΠΈΠΊΡ‚ΠΎΠ²Π°Π½ΠΎ Π² суммС 4.3 тысячи часов, ΠΈΠ· ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ… 3.5 тысячи ΠΏΡ€ΠΎΡˆΠ»ΠΈ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΡƒ. ΠŸΡ€ΠΈ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ ΠΈΡ‚ΠΎΠ³ΠΎΠ²ΠΎΠΉ ΠΌΠΎΠ΄Π΅Π»ΠΈ английского языка для DeepSpeech использовано 3816 часов Ρ€Π΅Ρ‡ΠΈ, ΠΊΡ€ΠΎΠΌΠ΅ Common Voice ΠΎΡ…Π²Π°Ρ‚Ρ‹Π²Π°ΡŽΡ‰Π΅ΠΉ Π΄Π°Π½Π½Ρ‹Π΅ ΠΎΡ‚ ΠΏΡ€ΠΎΠ΅ΠΊΡ‚ΠΎΠ² LibriSpeech, Fisher ΠΈ Switchboard, Π° Ρ‚Π°ΠΊΠΆΠ΅ Π²ΠΊΠ»ΡŽΡ‡Π°ΡŽΡ‰Π΅ΠΉ ΠΎΠΊΠΎΠ»ΠΎ 1700 часов транскрибированных записСй Ρ€Π°Π΄ΠΈΠΎΡˆΠΎΡƒ.

ΠŸΡ€ΠΈ использовании ΠΏΡ€Π΅Π΄Π»Π°Π³Π°Π΅ΠΌΠΎΠΉ для Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠΈ Π³ΠΎΡ‚ΠΎΠ²ΠΎΠΉ ΠΌΠΎΠ΄Π΅Π»ΠΈ английского языка ΡƒΡ€ΠΎΠ²Π΅Π½ΡŒ ошибок распознавания Π² DeepSpeech составляСт 7.5% ΠΏΡ€ΠΈ ΠΎΡ†Π΅Π½ΠΊΠ΅ тСстовым Π½Π°Π±ΠΎΡ€ΠΎΠΌ LibriSpeech. Для сравнСния, ΡƒΡ€ΠΎΠ²Π΅Π½ΡŒ ошибок ΠΏΡ€ΠΈ распознавании Ρ‡Π΅Π»ΠΎΠ²Π΅ΠΊΠΎΠΌ оцСниваСтся Π² 5.83%.

DeepSpeech состоит ΠΈΠ· Π΄Π²ΡƒΡ… подсистСм — акустичСской ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΈ Π΄Π΅ΠΊΠΎΠ΄ΠΈΡ€ΠΎΠ²Ρ‰ΠΈΠΊΠ°. АкустичСская модСль ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ ΠΌΠ΅Ρ‚ΠΎΠ΄Ρ‹ Π³Π»ΡƒΠ±ΠΈΠ½Π½ΠΎΠ³ΠΎ машинного обучСния для вычислСния вСроятности наличия ΠΎΠΏΡ€Π΅Π΄Π΅Π»Ρ‘Π½Π½Ρ‹Ρ… символов Π² ΠΏΠΎΠ΄Π°Π²Π°Π΅ΠΌΠΎΠΌ Π½Π° Π²Ρ…ΠΎΠ΄ Π·Π²ΡƒΠΊΠ΅. Π”Π΅ΠΊΠΎΠ΄ΠΈΡ€ΠΎΠ²Ρ‰ΠΈΠΊ примСняСт Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌ Π»ΡƒΡ‡Π΅Π²ΠΎΠ³ΠΎ поиска для прСобразования Π΄Π°Π½Π½Ρ‹Ρ… ΠΎ вСроятности символов Π² тСкстовоС прСдставлСниС.

ΠžΡΠ½ΠΎΠ²Π½Ρ‹Π΅ Π½ΠΎΠ²ΡˆΠ΅ΡΡ‚Π²Π° DeepSpeech 0.6 (Π²Π΅Ρ‚ΠΊΠ° 0.6 Π½Π΅ совмСстима с ΠΏΡ€ΠΎΡˆΠ»Ρ‹ΠΌΠΈ выпусками ΠΈ Ρ‚Ρ€Π΅Π±ΡƒΠ΅Ρ‚ обновлСния ΠΊΠΎΠ΄Π° ΠΈ ΠΌΠΎΠ΄Π΅Π»Π΅ΠΉ):

  • ΠŸΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½ Π½ΠΎΠ²Ρ‹ΠΉ ΠΏΠΎΡ‚ΠΎΠΊΠΎΠ²Ρ‹ΠΉ Π΄Π΅ΠΊΠΎΠ΄ΠΈΡ€ΠΎΠ²Ρ‰ΠΈΠΊ, ΠΎΠ±Π΅ΡΠΏΠ΅Ρ‡ΠΈΠ²Π°ΡŽΡ‰ΠΈΠΉ Π±ΠΎΠ»Π΅Π΅ Π²Ρ‹ΡΠΎΠΊΡƒΡŽ ΠΎΡ‚Π·Ρ‹Π²Ρ‡ΠΈΠ²ΠΎΡΡ‚ΡŒ ΠΈ Π½Π΅ зависящий ΠΎΡ‚ Ρ€Π°Π·ΠΌΠ΅Ρ€Π° ΠΎΠ±Ρ€Π°Π±Π°Ρ‚Ρ‹Π²Π°Π΅ΠΌΡ‹Ρ… Π·Π²ΡƒΠΊΠΎΠ²Ρ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…. Π’ ΠΈΡ‚ΠΎΠ³Π΅, Π² Π½ΠΎΠ²ΠΎΠΉ вСрсии DeepSpeech ΡƒΠ΄Π°Π»ΠΎΡΡŒ ΡΠ½ΠΈΠ·ΠΈΡ‚ΡŒ Π·Π°Π΄Π΅Ρ€ΠΆΠΊΡƒ Π½Π° распознаваниС Π΄ΠΎ 260 мс, Ρ‡Ρ‚ΠΎ Π½Π° 73% быстрСС, Ρ‡Π΅ΠΌ Ρ€Π°Π½ΡŒΡˆΠ΅, ΠΈ позволяСт ΠΏΡ€ΠΈΠΌΠ΅Π½ΡΡ‚ΡŒ DeepSpeech Π² Ρ€Π΅ΡˆΠ΅Π½ΠΈΡΡ… для распознавания Ρ€Π΅Ρ‡ΠΈ Π½Π° Π»Π΅Ρ‚Ρƒ.
  • ВнСсСны измСнСния Π² API ΠΈ ΠΏΡ€ΠΎΠ²Π΅Π΄Π΅Π½Π° Ρ€Π°Π±ΠΎΡ‚Π° ΠΏΠΎ ΡƒΠ½ΠΈΡ„ΠΈΠΊΠ°Ρ†ΠΈΠΈ ΠΈΠΌΡ‘Π½ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΉ. Π”ΠΎΠ±Π°Π²Π»Π΅Π½Ρ‹ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ для получСния Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… ΠΌΠ΅Ρ‚Π°Π΄Π°Π½Π½Ρ‹Ρ… ΠΎ синхронизации, ΠΏΠΎΠ·Π²ΠΎΠ»ΡΡŽΡ‰ΠΈΠ΅ Π½Π΅ просто ΠΏΠΎΠ»ΡƒΡ‡Π°Ρ‚ΡŒ Π½Π° Π²Ρ‹Ρ…ΠΎΠ΄Π΅ тСкстовоС прСдставлСниС, Π½ΠΎ ΠΈ ΠΎΡ‚ΡΠ»Π΅ΠΆΠΈΠ²Π°Ρ‚ΡŒ привязку ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½Ρ‹Ρ… символов ΠΈ ΠΏΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½ΠΈΠΉ ΠΊ ΠΏΠΎΠ·ΠΈΡ†ΠΈΠΈ Π² Π·Π²ΡƒΠΊΠΎΠ²ΠΎΠΌ ΠΏΠΎΡ‚ΠΎΠΊΠ΅.
  • Π’ инструмСнтарий для обучСния ΠΌΠΎΠ΄ΡƒΠ»ΠΈ Π΄ΠΎΠ±Π°Π²Π»Π΅Π½Π° ΠΏΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΊΠ° использования Π±ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΠΈ CuDNN для ΠΎΠΏΡ‚ΠΈΠΌΠΈΠ·Π°Ρ†ΠΈΠΈ Ρ€Π°Π±ΠΎΡ‚Ρ‹ с Ρ€Π΅ΠΊΡƒΡ€Ρ€Π΅Π½Ρ‚Π½Ρ‹ΠΌΠΈ Π½Π΅ΠΉΡ€ΠΎΠ½Π½Ρ‹ΠΌΠΈ сСтями (RNN), Ρ‡Ρ‚ΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΠΈΠ»ΠΎ Π΄ΠΎΠ±ΠΈΡ‚ΡŒΡΡ сущСствСнного (ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π½ΠΎ Π² Π΄Π²Π° Ρ€Π°Π·Π°) увСличСния ΠΏΡ€ΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ обучСния ΠΌΠΎΠ΄Π΅Π»ΠΈ, Π½ΠΎ ΠΏΠΎΡ‚Ρ€Π΅Π±ΠΎΠ²Π°Π»ΠΎ внСсСния Π² ΠΊΠΎΠ΄ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠΉ, Π½Π°Ρ€ΡƒΡˆΠ°ΡŽΡ‰ΠΈΡ… ΡΠΎΠ²ΠΌΠ΅ΡΡ‚ΠΈΠΌΠΎΡΡ‚ΡŒ с модСлями, ΠΏΠΎΠ΄Π³ΠΎΡ‚ΠΎΠ²Π»Π΅Π½Π½Ρ‹ΠΌΠΈ Ρ€Π°Π½Π΅Π΅.
  • ΠœΠΈΠ½ΠΈΠΌΠ°Π»ΡŒΠ½Ρ‹Π΅ трСбования ΠΊ вСрсии TensorFlow подняты с 1.13.1 Π΄ΠΎ 1.14.0. Π”ΠΎΠ±Π°Π²Π»Π΅Π½Π° ΠΏΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΊΠ° лСгковСсной Ρ€Π΅Π΄Π°ΠΊΡ†ΠΈΠΈ TensorFlow Lite, ΠΏΡ€ΠΈ использовании ΠΊΠΎΡ‚ΠΎΡ€ΠΎΠΉ Ρ€Π°Π·ΠΌΠ΅Ρ€ ΠΏΠ°ΠΊΠ΅Ρ‚Π° DeepSpeech ΡƒΠΌΠ΅Π½ΡŒΡˆΠ΅Π½ с 98 MB Π΄ΠΎ 3.7 MB. Для использования Π½Π° встраиваСмых ΠΈ ΠΌΠΎΠ±ΠΈΠ»ΡŒΠ½Ρ‹Ρ… устойствах с 188 MB Π΄ΠΎ 47 MB Ρ‚Π°ΠΊΠΆΠ΅ сокращён Ρ€Π°Π·ΠΌΠ΅Ρ€ ΡƒΠΏΠ°ΠΊΠΎΠ²Π°Π½Π½ΠΎΠ³ΠΎ Ρ„Π°ΠΉΠ»Π° с модСлью (для сТатия использован ΠΌΠ΅Ρ‚ΠΎΠ΄ квантования послС Π·Π°Π²Π΅Ρ€ΡˆΠ΅Π½ΠΈΡ обучСния ΠΌΠΎΠ΄Π΅Π»ΠΈ).
  • Языковая модСль ΠΏΠ΅Ρ€Π΅Π²Π΅Π΄Π΅Π½Π° Π½Π° Π΄Ρ€ΡƒΠ³ΠΎΠΉ Ρ„ΠΎΡ€ΠΌΠ°Ρ‚ структур Π΄Π°Π½Π½Ρ‹Ρ…, ΠΏΠΎΠ·Π²ΠΎΠ»ΡΡŽΡ‰ΠΈΠΉ Π²Ρ‹ΠΏΠΎΠ»Π½ΡΡ‚ΡŒ ΠΌΠ°ΠΏΠΏΠΈΠ½Π³ Ρ„Π°ΠΉΠ»ΠΎΠ² Π² ΠΏΠ°ΠΌΡΡ‚ΡŒ ΠΏΡ€ΠΈ Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠ΅. ΠŸΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΊΠ° старого Ρ„ΠΎΡ€ΠΌΠ°Ρ‚Π° ΠΏΡ€Π΅ΠΊΡ€Π°Ρ‰Π΅Π½Π°.
  • Π˜Π·ΠΌΠ΅Π½Ρ‘Π½ Ρ€Π΅ΠΆΠΈΠΌ Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠΈ Ρ„Π°ΠΉΠ»Π° с языковой модСлью, Ρ‡Ρ‚ΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΠΈΠ»ΠΎ ΡΠ½ΠΈΠ·ΠΈΡ‚ΡŒ ΠΏΠΎΡ‚Ρ€Π΅Π±Π»Π΅Π½ΠΈΠ΅ памяти ΠΈ ΡƒΠΌΠ΅Π½ΡŒΡˆΠΈΡ‚ΡŒ Π·Π°Π΄Π΅Ρ€ΠΆΠΊΠΈ ΠΏΡ€ΠΈ ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚ΠΊΠ΅ ΠΏΠ΅Ρ€Π²ΠΎΠ³ΠΎ запроса послС создания ΠΌΠΎΠ΄Π΅Π»ΠΈ. Π’ процСссС Ρ€Π°Π±ΠΎΡ‚Ρ‹ DeepSpeech Ρ‚Π΅ΠΏΠ΅Ρ€ΡŒ потрСбляСт Π² 22 Ρ€Π°Π·Π° мСньшС памяти ΠΈ запускаСтся Π² 500 Ρ€Π°Π· быстрСС.

    Компания Mozilla прСдставила Π΄Π²ΠΈΠΆΠΎΠΊ распознавания Ρ€Π΅Ρ‡ΠΈ DeepSpeech 0.6

  • ΠŸΡ€ΠΎΠ²Π΅Π΄Π΅Π½Π° Ρ„ΠΈΠ»ΡŒΡ‚Ρ€Π°Ρ†ΠΈΡ Ρ€Π΅Π΄ΠΊΠΈΡ… слов Π² языковой ΠΌΠΎΠ΄Π΅Π»ΠΈ. ΠžΠ±Ρ‰Π΅Π΅ число слов сокращСно Π΄ΠΎ 500 тысяч самых популярных слов, Π²ΡΡ‚Ρ€Π΅Ρ‡Π°ΡŽΡ‰ΠΈΡ…ΡΡ Π² тСкстС, использованном ΠΏΡ€ΠΈ Ρ‚Ρ€Π΅Π½ΠΈΡ€ΠΎΠ²ΠΊΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ. ΠŸΡ€ΠΎΠ²Π΅Π΄Ρ‘Π½Π½Π°Ρ чистка ΠΏΠΎΠ·Π²ΠΎΠ»ΠΈΠ»Π° ΡΠ½ΠΈΠ·ΠΈΡ‚ΡŒ Ρ€Π°Π·ΠΌΠ΅Ρ€ языковой ΠΌΠΎΠ΄Π΅Π»ΠΈ с 1800ΠœΠ‘ Π΄ΠΎ 900ΠœΠ‘, практичСски Π½Π΅ повлияв Π½Π° ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ уровня ошибок распознавания.
  • Π”ΠΎΠ±Π°Π²Π»Π΅Π½Π° ΠΏΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΊΠ° Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹Ρ… Ρ‚Π΅Ρ…Π½ΠΈΠΊ создания Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… Π²Π°Ρ€ΠΈΠ°Ρ†ΠΈΠΉ (augmentation) Π·Π²ΡƒΠΊΠΎΠ²Ρ‹Ρ… Π΄Π°Π½Π½Ρ‹Ρ…, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΡ‹Ρ… ΠΏΡ€ΠΈ ΠΎΠ±ΡƒΡ‡Π΅Π½ΠΈΠΈ (Π½Π°ΠΏΡ€ΠΈΠΌΠ΅Ρ€, Π΄ΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ ΠΊ Π½Π°Π±ΠΎΡ€Ρƒ Π²Π°Ρ€ΠΈΠ°Π½Ρ‚ΠΎΠ², Π² ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ внСсСны искаТСния ΠΈΠ»ΠΈ ΡˆΡƒΠΌΡ‹).
  • Π”ΠΎΠ±Π°Π²Π»Π΅Π½Π° Π±ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΠ° с Π±ΠΈΠ½Π΄ΠΈΠ½Π³Π°ΠΌΠΈ для ΠΈΠ½Ρ‚Π΅Π³Ρ€Π°Ρ†ΠΈΠΈ с прилоТСниями Π½Π° Π±Π°Π·Π΅ ΠΏΠ»Π°Ρ‚Ρ„ΠΎΡ€ΠΌΡ‹ .NET.
  • ΠŸΠ΅Ρ€Π΅Ρ€Π°Π±ΠΎΡ‚Π°Π½Π° докумСнтация, которая Ρ‚Π΅ΠΏΠ΅Ρ€ΡŒ собрана Π½Π° ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½ΠΎΠΌ сайтС deepspeech.readthedocs.io.

Π˜ΡΡ‚ΠΎΡ‡Π½ΠΈΠΊ: opennet.ru

Π”ΠΎΠ±Π°Π²ΠΈΡ‚ΡŒ ΠΊΠΎΠΌΠΌΠ΅Π½Ρ‚Π°Ρ€ΠΈΠΉ