Vývojáři knihovny Vosk zveřejnili nové modely pro rozpoznávání ruské řeči: serverový vosk-model-ru-0.22 a mobilní Vosk-model-small-ru-0.22. V těchto modelech jsou použity nové hlasové údaje a nová architektura neuronové sítě, což umožnilo zvýšit přesnost rozpoznávání o 10-20 %. Kód a data jsou šířena pod licencí Apache 2.0.
Důležité změny:
- Nové údaje shromážděné ve hlasových reproduktorech výrazně zlepšují rozpoznávání hlasových příkazů vyslovených z dálky.
- Nová schéma extrakce zvuku umožnila výrazně zlepšit přesnost rozpoznávání pro širokopásmové záznamy. Zároveň se zlepšila i přesnost rozpoznávání telefonie.
- Balíček pro doplnění slovníku umožňuje nastavit rozpoznávání složitých technických záznamů.
Pro nejlepší přesnost se doporučuje také aktualizovat Vosk na verzi 0.3.32. Také mohou být zajímavé nové možnosti Vosk — integrace s Unity, Nativescript, Jigasi. Modely pro rozpoznávání kazachštiny a ukrajinštiny. Pro serverový model je potřeba moderní procesor a 8 GB paměti. Mobilní model může být použit v telefonech a RaspberryPi 3+.
Zdroj: opennet.ru
