{"id":53722,"date":"2019-12-08T00:00:00","date_gmt":"2019-12-07T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6"},"modified":"2020-02-18T14:01:39","modified_gmt":"2020-02-18T11:01:39","slug":"kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6","title":{"rendered":"La soci\u00e9t\u00e9 Mozilla a pr\u00e9sent\u00e9 le moteur de reconnaissance vocale DeepSpeech 0.6","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Pr\u00e9sent\u00e9<\/a><\/noindex> la sortie du moteur de reconnaissance vocale d\u00e9velopp\u00e9 par Mozilla DeepSpeech 0.6<\/a><\/noindex>, qui met en \u0153uvre l'architecture de reconnaissance vocale \u00e9ponyme, propos\u00e9e<\/a><\/noindex> par des chercheurs de Baidu. L'impl\u00e9mentation est \u00e9crite en Python en utilisant la plateforme d'apprentissage machine TensorFlow et est distribu\u00e9<\/a><\/noindex> est sous la licence libre MPL 2.0. Elle fonctionne sur Linux, Android, macOS et Windows. Les performances sont suffisantes pour utiliser le moteur sur les cartes LePotato, Raspberry Pi 3 et Raspberry Pi 4.<\/p>\n

Le package comprend \u00e9galement sont sugg\u00e9r\u00e9s<\/a><\/noindex> des mod\u00e8les pr\u00e9-entra\u00een\u00e9s, des exemples<\/a><\/noindex> de fichiers audio et des outils de reconnaissance en ligne de commande. Des modules pr\u00eats \u00e0 l'emploi pour int\u00e9grer la fonction de reconnaissance vocale dans vos programmes sont propos\u00e9s pour Python, NodeJS, C++ et .NET (des modules ont \u00e9t\u00e9 pr\u00e9par\u00e9s s\u00e9par\u00e9ment par des d\u00e9veloppeurs tiers pour Rust<\/a><\/noindex> et Go<\/a><\/noindex>). Le mod\u00e8le pr\u00eat \u00e0 l'emploi est uniquement disponible pour l'anglais, mais pour d'autres langues, vous pouvez en utilisant<\/a><\/noindex> des instructions<\/a><\/noindex> la documentation fournie des donn\u00e9es vocales<\/a><\/noindex>, collect\u00e9es par le projet Common Voice. <\/p>\n

DeepSpeech est beaucoup plus simple que les syst\u00e8mes traditionnels tout en offrant une meilleure qualit\u00e9 de reconnaissance en pr\u00e9sence de bruit ambiant. Le d\u00e9veloppement n'utilise pas de mod\u00e8les acoustiques traditionnels ni la notion de phon\u00e8mes, mais repose plut\u00f4t sur un syst\u00e8me d'apprentissage machine bien optimis\u00e9 bas\u00e9 sur un r\u00e9seau de neurones, permettant d'\u00e9viter le d\u00e9veloppement de composants distincts pour mod\u00e9liser diverses d\u00e9viations telles que le bruit, l'\u00e9cho et les particularit\u00e9s de la parole. <\/p>\n

L'inconv\u00e9nient de cette approche est que pour obtenir une reconnaissance de qualit\u00e9 et entra\u00eener le r\u00e9seau de neurones, le moteur DeepSpeech n\u00e9cessite un grand volume de donn\u00e9es diverses, dict\u00e9es dans des conditions r\u00e9elles par diff\u00e9rentes voix et en pr\u00e9sence de bruits naturels.
\nLa collecte de telles donn\u00e9es est assur\u00e9e par le projet cr\u00e9\u00e9 par Mozilla Common Voice<\/a><\/noindex>, fournissant un ensemble de donn\u00e9es v\u00e9rifi\u00e9 avec 780 heures en anglais<\/a><\/noindex>, 325 en allemand, 173 en fran\u00e7ais et 27 heures en russe. <\/p>\n

L'objectif final du projet Common Voice est de constituer 10 000 heures d'enregistrements de diverses prononciations de phrases types de la parole humaine, ce qui permettra d'atteindre un niveau d'erreur acceptable en mati\u00e8re de reconnaissance. \u00c0 ce jour, les participants au projet ont d\u00e9j\u00e0 enregistr\u00e9 au total 4,3 milliers d'heures, dont 3,5 milliers ont \u00e9t\u00e9 v\u00e9rifi\u00e9es. Pour former le mod\u00e8le final de la langue anglaise pour DeepSpeech, 3816 heures de discours ont \u00e9t\u00e9 utilis\u00e9es, en plus de Common Voice, couvrant des donn\u00e9es provenant des projets LibriSpeech, Fisher et Switchboard, ainsi qu'environ 1700 heures d'enregistrements transcrits d'\u00e9missions de radio.<\/p>\n

Lors de l'utilisation du mod\u00e8le anglais pr\u00eat \u00e0 \u00eatre t\u00e9l\u00e9charg\u00e9, le taux d'erreur de reconnaissance dans DeepSpeech est de 7,5 % selon une \u00e9valuation par un ensemble de tests. LibriSpeech<\/a><\/noindex>. En comparaison, le taux d'erreur de reconnaissance par un humain est \u00e9valu\u00e9<\/a><\/noindex> \u00e0 5,83 %<\/p>\n

DeepSpeech se compose de deux sous-syst\u00e8mes \u2014 un mod\u00e8le acoustique et un d\u00e9codeur. Le mod\u00e8le acoustique utilise des m\u00e9thodes d'apprentissage profond pour calculer la probabilit\u00e9 de la pr\u00e9sence de certains symboles dans le son d'entr\u00e9e. Le d\u00e9codeur applique un algorithme de recherche par faisceau pour transformer les donn\u00e9es de probabilit\u00e9 des symboles en repr\u00e9sentation textuelle.<\/p>\n

Principales nouveaut\u00e9s<\/a><\/noindex> DeepSpeech 0.6 (la branche 0.6 n'est pas compatible avec les versions pr\u00e9c\u00e9dentes et n\u00e9cessite une mise \u00e0 jour du code et des mod\u00e8les) :<\/p>\n