વોસ્ક લાઇબ્રેરીમાં રશિયન ભાષણ ઓળખ માટેના નવા મોડલ્સ

વોસ્ક લાઇબ્રેરીના વિકાસકર્તાઓએ રશિયન વાણી ઓળખ માટે નવા મોડલ્સ પ્રકાશિત કર્યા છે: સર્વર-સાઇડ વોસ્ક-મોડેલ-રુ-0.22 અને મોબાઇલ વોસ્ક-મોડલ-સ્મોલ-રુ-0.22. મોડેલો નવા સ્પીચ ડેટા, તેમજ નવા ન્યુરલ નેટવર્ક આર્કિટેક્ચરનો ઉપયોગ કરે છે, જેણે 10-20% દ્વારા ઓળખની ચોકસાઈ વધારવાનું શક્ય બનાવ્યું છે. કોડ અને ડેટા Apache 2.0 લાયસન્સ હેઠળ વિતરિત કરવામાં આવે છે.

મહત્વપૂર્ણ ફેરફારો:

• વૉઇસ કૉલમ્સમાં એકત્રિત કરવામાં આવેલો નવો ડેટા દૂરથી બોલાતા વાણી આદેશોની ઓળખમાં નોંધપાત્ર સુધારો કરે છે.
• નવી ધ્વનિ નિષ્કર્ષણ યોજનાએ વાઈડબેન્ડ રેકોર્ડિંગ માટે ઓળખની ચોકસાઈમાં નોંધપાત્ર સુધારો કર્યો છે. તે જ સમયે, ટેલિફોની ઓળખની ચોકસાઈમાં પણ સુધારો થયો છે.
• શબ્દકોશ એડ-ઓન પેકેજ તમને જટિલ તકનીકી એન્ટ્રીઓની ઓળખને કસ્ટમાઇઝ કરવાની મંજૂરી આપે છે.

શ્રેષ્ઠ ચોકસાઈ માટે, વેક્સ વર્ઝનને પણ 0.3.32 પર અપડેટ કરવાની ભલામણ કરવામાં આવે છે. તમને નવી વેક્સ સુવિધાઓમાં પણ રસ હોઈ શકે છે - યુનિટી, નેટીવસ્ક્રીપ્ટ, જીગાસી સાથે એકીકરણ. કઝાક અને યુક્રેનિયન ભાષાઓની માન્યતા માટેના નમૂનાઓ. સર્વર મોડેલને કામ કરવા માટે આધુનિક પ્રોસેસર અને 8GB મેમરીની જરૂર છે. મોબાઈલ મોડલનો ઉપયોગ ફોન અને RaspberryPi 3+ માં થઈ શકે છે.

સોર્સ: opennet.ru