ຮູບແບບໃຫມ່ສໍາລັບການຮັບຮູ້ສຽງເວົ້າພາສາລັດເຊຍໃນຫ້ອງສະຫມຸດ Vosk

ນັກພັດທະນາຂອງຫໍສະຫມຸດ Vosk ໄດ້ເຜີຍແຜ່ຮູບແບບໃຫມ່ສໍາລັບການຮັບຮູ້ສຽງເວົ້າພາສາລັດເຊຍ: server-side vosk-model-ru-0.22 ແລະມືຖື Vosk-model-small-ru-0.22. ແບບຈໍາລອງໃຊ້ຂໍ້ມູນສຽງເວົ້າໃຫມ່, ເຊັ່ນດຽວກັນກັບສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍ neural ໃຫມ່, ເຊິ່ງເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະເພີ່ມຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້ໂດຍ 10-20%. ລະຫັດແລະຂໍ້ມູນຖືກແຈກຢາຍພາຍໃຕ້ໃບອະນຸຍາດ Apache 2.0.

ການປ່ຽນແປງທີ່ສໍາຄັນ:

• ຂໍ້ມູນໃຫມ່ທີ່ເກັບກໍາຢູ່ໃນຖັນສຽງຢ່າງຫຼວງຫຼາຍປັບປຸງການຮັບຮູ້ຄໍາສັ່ງສຽງເວົ້າຈາກໄລຍະໄກ.
• ຮູບແບບການສະກັດສຽງໃຫມ່ໄດ້ປັບປຸງຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້ຢ່າງໃຫຍ່ຫຼວງສໍາລັບການບັນທຶກ wideband. ໃນຂະນະດຽວກັນ, ຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້ໂທລະສັບຍັງໄດ້ຮັບການປັບປຸງ.
• ຊຸດ add-on ວັດຈະນານຸກົມຊ່ວຍໃຫ້ທ່ານສາມາດປັບແຕ່ງການຮັບຮູ້ຂອງລາຍການດ້ານວິຊາການທີ່ສັບສົນ.

ສໍາລັບຄວາມຖືກຕ້ອງທີ່ດີທີ່ສຸດ, ແນະນໍາໃຫ້ອັບເດດເວີຊັ່ນ Wax ເປັນ 0.3.32 ເຊັ່ນກັນ. ທ່ານອາດຈະມີຄວາມສົນໃຈໃນລັກສະນະ Wax ໃຫມ່ - ການເຊື່ອມໂຍງກັບ Unity, Nativescript, Jigasi. ຮູບແບບສໍາລັບການຮັບຮູ້ພາສາ Kazakh ແລະອູແກຣນ. ຮູບແບບເຊີຟເວີຕ້ອງການໂປເຊດເຊີທີ່ທັນສະໄຫມແລະຫນ່ວຍຄວາມຈໍາ 8GB ເພື່ອເຮັດວຽກ. ຮູບແບບມືຖືສາມາດໃຊ້ໃນໂທລະສັບແລະ RaspberryPi 3+.

ແຫຼ່ງຂໍ້ມູນ: opennet.ru