{"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\/it\/blog\/news\/kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6","title":{"rendered":"Mozilla ha presentato il motore di riconoscimento vocale DeepSpeech 0.6","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Presentato<\/a><\/noindex> il rilascio del motore di riconoscimento vocale sviluppato da Mozilla DeepSpeech 0.6<\/a><\/noindex>, che implementa l'architettura di riconoscimento vocale omonima, proposta<\/a><\/noindex> da ricercatori di Baidu. L'implementazione \u00e8 scritta in Python utilizzando la piattaforma di machine learning TensorFlow e distribuito<\/a><\/noindex> distribuita con licenza MPL 2.0. \u00c8 supportato il funzionamento su Linux, Android, macOS e Windows. Le performance sono sufficienti per utilizzare il motore su schede LePotato, Raspberry Pi 3 e Raspberry Pi 4.<\/p>\n

Il pacchetto include anche sono offerti<\/a><\/noindex> modelli addestrati, esempi<\/a><\/noindex> file audio e strumenti per il riconoscimento da riga di comando. Per integrare la funzionalit\u00e0 di riconoscimento vocale nelle proprie applicazioni, sono disponibili moduli pronti all'uso per Python, NodeJS, C++ e .NET (moduli preparati separatamente da sviluppatori di terze parti per Rust<\/a><\/noindex> e Go<\/a><\/noindex>). Il modello fornito \u00e8 disponibile solo in inglese, ma per altre lingue \u00e8 possibile sta con<\/a><\/noindex> documentazione<\/a><\/noindex> addestrare il sistema autonomamente utilizzando dati vocali<\/a><\/noindex>, raccolti dal progetto Common Voice. <\/p>\n

DeepSpeech \u00e8 notevolmente pi\u00f9 semplice rispetto ai sistemi tradizionali e offre una qualit\u00e0 di riconoscimento superiore anche in presenza di rumore di fondo. Non utilizza modelli acustici tradizionali n\u00e9 la concezione di fonemi; invece, impiega un sistema di apprendimento automatico ben ottimizzato basato su reti neurali, che consente di evitare lo sviluppo di componenti separati per modellare varie deviazioni, come rumore, eco e particolarit\u00e0 vocali. <\/p>\n

Il rovescio della medaglia di questo approccio \u00e8 che per ottenere un riconoscimento di alta qualit\u00e0 e addestrare la rete neurale, il motore DeepSpeech richiede un gran numero di dati eterogenei, registrati in condizioni reali da diverse voci e in presenza di rumori naturali.
\nLa raccolta di questi dati \u00e8 curata dal progetto creato da Mozilla Common Voice<\/a><\/noindex>, che fornisce un set di dati verificato con 780 ore in lingua inglese<\/a><\/noindex>, 325 in tedesco, 173 in francese e 27 ore in russo. <\/p>\n

L'obiettivo finale del progetto Common Voice \u00e8 accumulare 10.000 ore di registrazioni di diverse pronunce di frasi standard del linguaggio umano, consentendo di raggiungere un livello accettabile di errori nel riconoscimento. Attualmente, i partecipanti al progetto hanno gi\u00e0 registrato un totale di 4.3 mila ore, di cui 3.5 mila sono state verificate. Per l'addestramento del modello finale di lingua inglese per DeepSpeech sono state utilizzate 3816 ore di discorsi, oltre a Common Voice, coprendo dati da progetti come LibriSpeech, Fisher e Switchboard, e includendo circa 1700 ore di registrazioni trascritte di programmi radiofonici.<\/p>\n

Utilizzando il modello pronto per il download della lingua inglese, il livello di errore di riconoscimento in DeepSpeech \u00e8 del 7.5% nel test con il set di dati di valutazione. LibriSpeech<\/a><\/noindex>. A titolo di confronto, il livello di errore nel riconoscimento da parte di un essere umano \u00e8 valutata<\/a><\/noindex> \u00e8 del 5.83%.<\/p>\n

DeepSpeech \u00e8 composto da due sottosistemi: il modello acustico e il decodificatore. Il modello acustico utilizza metodi di apprendimento automatico profondo per calcolare la probabilit\u00e0 della presenza di determinati simboli nel suono in ingresso. Il decodificatore applica un algoritmo di ricerca a raggio per convertire i dati sulla probabilit\u00e0 dei simboli in una rappresentazione testuale.<\/p>\n

Principali novit\u00e0<\/a><\/noindex> DeepSpeech 0.6 (la versione 0.6 non \u00e8 compatibile con le versioni precedenti e richiede aggiornamenti al codice e ai modelli):<\/p>\n