A Vosk könyvtár fejlesztői közzétették az orosz beszéd felismerésére készült új modelleket: a szerveres vosk-model-ru-0.22 és a mobil Vosk-model-small-ru-0.22. A modellek új beszédadatokat és új neurális hálózati architektúrát használnak, ami lehetővé tette a felismerési pontosság 10-20%-os növelését. A kód és az adatok az Apache 2.0 licenc alatt terjeszthetők.
Fontos változások:
- Az okoshangszórókban gyűjtött új adatok jelentősen javítják a távolból mondott beszédparancsok felismerését.
- Az új hangkivonási séma jelentősen javította a szélessávú felvételek felismerési pontosságát. Ugyanakkor a telefonos felismerés pontossága is javult.
- A szókiegészítő csomag lehetővé teszi a bonyolult technikai felvételek felismerésének testreszabását.
A legjobb pontosság érdekében javasolt frissíteni a Vosk verzióját 0.3.32-re. Ezenkívül érdekes lehet a Vosk új lehetőségei - integrációk Unity-vel, Nativescripttel, Jigasi-val. Modellek az kazah és ukrán nyelvhez. A szerveres modell működéséhez modern processzor szükséges és 8 GB memória. A mobil modell használható telefonokon és Raspberry Pi 3+-on. és 8 GB memória. A mobil változat telefonokban és Raspberry Pi 3+ -ban használható.
Forrás: opennet.ru
