{"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":"L'azienda 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 dalla Mozilla DeepSpeech 0.6<\/a><\/noindex>, che implementa l'architettura di riconoscimento vocale omonima, proposta<\/a><\/noindex> da ricercatori dell'azienda Baidu. L'implementazione \u00e8 scritta in Python utilizzando la piattaforma di machine learning TensorFlow e \u00e8 distribuito<\/a><\/noindex> disponibile sotto la licenza libera MPL 2.0. \u00c8 supportato su Linux, Android, macOS e Windows. Le prestazioni sono sufficienti per utilizzare il motore su schede LePotato, Raspberry Pi 3 e Raspberry Pi 4.<\/p>\n

Il pacchetto include anche vengono suggeriti<\/a><\/noindex> modelli addestrati, casi d'uso<\/a><\/noindex> file audio e strumenti per il riconoscimento tramite riga di comando. Per l'integrazione della funzione di riconoscimento vocale nelle proprie applicazioni, sono disponibili moduli pronti all'uso per Python, NodeJS, C++ e .NET (moduli per Rust<\/a><\/noindex> e Go<\/a><\/noindex>) sono stati preparati separatamente da sviluppatori esterni. Il modello fornito \u00e8 disponibile solo per la lingua inglese, ma per altre lingue, tramite la documentazione<\/a><\/noindex> guida<\/a><\/noindex> \u00e8 possibile addestrare autonomamente il sistema utilizzando dati vocali<\/a><\/noindex>, raccolti dal progetto Common Voice. <\/p>\n

DeepSpeech \u00e8 significativamente pi\u00f9 semplice rispetto ai sistemi tradizionali e offre al contempo una qualit\u00e0 di riconoscimento superiore in presenza di rumori ambientali. Nello sviluppo non vengono utilizzati modelli acustici tradizionali e la nozione di fonemi, ma viene impiegato un sistema di machine learning ben ottimizzato basato su reti neurali, che consente di evitare lo sviluppo di componenti separati per la modellazione di varie deviazioni, come il rumore, l'eco e le particolarit\u00e0 del parlato. <\/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 una grande quantit\u00e0 di dati eterogenei, registrati in condizioni reali da voci diverse e in presenza di rumori naturali.
\nLa raccolta di tali dati \u00e8 gestita dal progetto creato in Mozilla Common Voice<\/a><\/noindex>, che fornisce un insieme di dati verificati con 780 ore in 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 varie pronunce di frasi standard del linguaggio umano, il che consentir\u00e0 di raggiungere un livello accettabile di errori nel riconoscimento. Attualmente, i partecipanti al progetto hanno gi\u00e0 dettato in totale 4.3 mila ore, di cui 3.5 mila sono state verificate. Per addestrare il modello finale della lingua inglese per DeepSpeech sono state utilizzate 3816 ore di parlato, oltre a Common Voice, che copre dati dai progetti LibriSpeech, Fisher e Switchboard, e include circa 1700 ore di registrazioni trascritte di programmi radiofonici.<\/p>\n

Utilizzando il modello inglese pronto per il download, il livello di errore di riconoscimento in DeepSpeech \u00e8 del 7.5% sulla base di un insieme di test. LibriSpeech<\/a><\/noindex>. A titolo di confronto, il livello di errore nel riconoscimento da parte di un umano \u00e8 valutata<\/a><\/noindex> \u00e8 del 5.83%.<\/p>\n

DeepSpeech \u00e8 composto da due sottosistemi: un modello acustico e un 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 fasci per trasformare i dati sulla probabilit\u00e0 dei simboli in un 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 l'aggiornamento del codice e dei modelli):<\/p>\n