वोस्क लाइब्रेरी में रूसी भाषण पहचान के लिए नए मॉडल

वोस्क लाइब्रेरी के डेवलपर्स ने रूसी भाषण पहचान के लिए नए मॉडल प्रकाशित किए हैं: सर्वर वोस्क-मॉडल-आरयू-0.22 और मोबाइल वोस्क-मॉडल-स्मॉल-आरयू-0.22। मॉडल नए भाषण डेटा के साथ-साथ एक नए तंत्रिका नेटवर्क आर्किटेक्चर का उपयोग करते हैं, जिससे पहचान सटीकता में 10-20% की वृद्धि हुई है। कोड और डेटा अपाचे 2.0 लाइसेंस के तहत वितरित किए जाते हैं।

महत्वपूर्ण परिवर्तन:

• वॉयस स्पीकर में एकत्र किया गया नया डेटा दूर से बोले गए भाषण आदेशों की पहचान में काफी सुधार करता है।
• नई ऑडियो निष्कर्षण योजना ने वाइडबैंड रिकॉर्डिंग के लिए पहचान सटीकता में उल्लेखनीय सुधार किया है। साथ ही, टेलीफोनी पहचान की सटीकता में भी सुधार हुआ है।
• शब्दकोश एक्सटेंशन पैकेज आपको जटिल तकनीकी रिकॉर्ड की पहचान को अनुकूलित करने की अनुमति देता है।

सर्वोत्तम सटीकता के लिए, वैक्स संस्करण को 0.3.32 पर अद्यतन करने की अनुशंसा की जाती है। आपको वोस्क की नई सुविधाओं में भी रुचि हो सकती है - यूनिटी, नेटिवस्क्रिप्ट, जिगासी के साथ एकीकरण। कज़ाख और यूक्रेनी भाषाओं को पहचानने के लिए मॉडल। सर्वर मॉडल को संचालित करने के लिए एक आधुनिक प्रोसेसर और 8GB मेमोरी की आवश्यकता होती है। मोबाइल मॉडल का उपयोग फ़ोन और RaspberryPi 3+ में किया जा सकता है।

स्रोत: opennet.ru