Mozilla는 음성 인식 엔진 DeepSpeech 0.6을 출시했습니다.

도입 Mozilla가 개발한 음성 인식 엔진 출시 딥스피치 0.6, 동일한 이름의 음성 인식 아키텍처를 구현합니다. 제안 바이두(Baidu) 연구진의 연구 결과입니다. 구현은 TensorFlow 머신러닝 플랫폼을 사용하여 Python으로 작성되었으며 배포자 무료 MPL 2.0 라이센스에 따라. Linux, Android, macOS 및 Windows에서의 작업을 지원합니다. 르포테토, 라즈베리파이3, 라즈베리파이4 보드에서 엔진을 사용하기에는 충분한 성능이다.

세트에도 포함되어 있습니다 제공 훈련된 모델, 예제들 명령줄에서 사운드 파일 및 인식 도구를 사용할 수 있습니다. 음성 인식 기능을 프로그램에 통합하기 위해 즉시 사용 가능한 Python, NodeJS, C++ 및 .NET용 모듈이 제공됩니다(타사 개발자는 녹 и Go). 완성된 모델은 영어로만 공급되지만, 다른 언어로는 첨부된 명령 다음을 사용하여 시스템을 직접 훈련할 수 있습니다. 음성 데이터, Common Voice 프로젝트에 의해 수집되었습니다.

DeepSpeech는 기존 시스템보다 훨씬 간단하며 동시에 외부 소음이 있을 때 더 높은 품질의 인식을 제공합니다. 기존 음향 모델과 음소 개념을 우회하는 대신 고도로 최적화된 신경망 기반 기계 학습 시스템을 사용하므로 소음, 반향, 음성 특징 등 다양한 이상 현상을 모델링하기 위해 별도의 구성 요소를 개발할 필요가 없습니다.

이 접근 방식의 단점은 신경망의 고품질 인식 및 훈련을 얻기 위해 DeepSpeech 엔진이 실제 상황에서 다양한 음성과 자연 잡음이 있는 상태에서 지시되는 대량의 이질적인 데이터가 필요하다는 것입니다.
Mozilla에서 생성된 프로젝트는 이러한 데이터를 수집합니다. 일반적인 목소리, 780시간 분량의 검증된 데이터 세트 제공 영어, 독일어는 325, 프랑스어는 173, 러시아어는 27시간입니다.

Common Voice 프로젝트의 궁극적인 목표는 인간 음성의 일반적인 문구에 대한 다양한 발음을 10시간 동안 녹음하여 허용 가능한 수준의 인식 오류를 달성하는 것입니다. 현재 형식에서 프로젝트 참가자는 이미 총 4.3시간을 지시했으며 그 중 3.5시간이 테스트되었습니다. DeepSpeech를 위한 최종 영어 모델을 훈련할 때 LibriSpeech, Fisher 및 Switchboard 프로젝트의 데이터를 다루는 Common Voice 외에 3816시간의 음성이 사용되었으며 약 1700시간의 녹음된 라디오 쇼 녹음도 포함되었습니다.

다운로드를 위해 제공되는 기성 영어 모델을 사용할 때 테스트 세트로 평가했을 때 DeepSpeech의 인식 오류율은 7.5%입니다. 리브리스피치. 비교를 위해 사람이 인식하는 오류율은 추정 된 5.83 %로

DeepSpeech는 음향 모델과 디코더라는 두 가지 하위 시스템으로 구성됩니다. 음향 모델은 심층 기계 학습 방법을 사용하여 입력 사운드에 특정 문자가 존재할 가능성을 계산합니다. 디코더는 광선 검색 알고리즘을 사용하여 문자 확률 데이터를 텍스트 표현으로 변환합니다.

주요 혁신 DeepSpeech 0.6(0.6 분기는 이전 릴리스와 호환되지 않으며 코드 및 모델 업데이트가 필요함):

• 더 높은 응답성을 제공하고 처리된 오디오 데이터의 크기에 독립적인 새로운 스트리밍 디코더가 제안되었습니다. 그 결과 새 버전의 DeepSpeech는 인식 대기 시간을 이전보다 260% 빠른 73ms로 단축했으며 DeepSpeech를 음성 인식 솔루션에 즉시 사용할 수 있게 되었습니다.
• API가 변경되었으며 함수 이름을 통합하는 작업이 수행되었습니다. 동기화에 대한 추가 메타데이터를 얻기 위한 기능이 추가되어 텍스트 표현을 출력으로 수신할 수 있을 뿐만 아니라 개별 문자 및 문장의 오디오 스트림 위치에 대한 바인딩을 추적할 수도 있습니다.
• 교육 모듈용 툴킷에 라이브러리 사용 지원이 추가되었습니다. CuDNN RNN(반복 신경망) 작업을 최적화하여 모델 훈련 성능을 크게(약 XNUMX배) 향상할 수 있었지만 이전에 준비된 모델과의 호환성을 위반하는 코드를 변경해야 했습니다.
• 최소 TensorFlow 버전 요구 사항이 1.13.1에서 1.14.0으로 상향되었습니다. DeepSpeech 패키지 크기를 98MB에서 3.7MB로 줄이는 TensorFlow Lite의 경량 버전에 대한 지원이 추가되었습니다. 임베디드 및 모바일 장치에서 사용하기 위해 모델과 함께 압축된 파일의 크기도 188MB에서 47MB로 줄었습니다(모델 학습 후 압축을 위해 양자화 방법이 사용됨).
• 언어 모델은 파일이 로드될 때 메모리에 매핑될 수 있도록 다른 데이터 구조 형식으로 변환되었습니다. 이전 형식에 대한 지원이 중단되었습니다.
• 언어 모델이 포함된 파일을 로드하는 모드가 변경되어 모델 생성 후 첫 번째 요청을 처리할 때 메모리 소모가 줄어들고 지연 시간이 줄어듭니다. 작동 중에 DeepSpeech는 이제 22배 적은 메모리를 소비하고 500배 더 빠르게 시작됩니다.
  

• 언어 모델에서 희귀 단어가 필터링되었습니다. 총 단어 수는 모델 학습에 사용된 텍스트에서 발견된 가장 인기 있는 단어 중 500만 개로 줄었습니다. 정리를 통해 언어 모델의 크기를 1800MB에서 900MB로 줄일 수 있었고 인식 오류율에는 거의 영향을 미치지 않았습니다.
• 다양한 지원 추가 기술자 훈련에 사용되는 오디오 데이터의 추가 변형(증강) 생성(예: 옵션 세트에 왜곡 또는 노이즈 추가)
• .NET 플랫폼 기반 애플리케이션과의 통합을 위한 바인딩이 포함된 라이브러리를 추가했습니다.
• 문서가 재작업되어 이제 별도의 웹사이트에 수집되었습니다. deepspeech.readthedocs.io.

출처 : opennet.ru