ΠΡΡΠΎ ΡΠ°ΠΊΠ° Π²ΠΊΠ»ΡΡΠ΅Π½ΠΈ Π²ΠΎ ΠΊΠΎΠΌΠΏΠ»Π΅ΡΠΎΡ
DeepSpeech Π΅ ΠΌΠ½ΠΎΠ³Ρ ΠΏΠΎΠ΅Π΄Π½ΠΎΡΡΠ°Π²Π΅Π½ ΠΎΠ΄ ΡΡΠ°Π΄ΠΈΡΠΈΠΎΠ½Π°Π»Π½ΠΈΡΠ΅ ΡΠΈΡΡΠ΅ΠΌΠΈ ΠΈ Π²ΠΎ ΠΈΡΡΠΎ Π²ΡΠ΅ΠΌΠ΅ ΠΎΠ±Π΅Π·Π±Π΅Π΄ΡΠ²Π° ΠΏΠΎΠ²ΠΈΡΠΎΠΊ ΠΊΠ²Π°Π»ΠΈΡΠ΅Ρ Π½Π° ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅ Π²ΠΎ ΠΏΡΠΈΡΡΡΡΠ²ΠΎ Π½Π° Π½Π΅ΠΎΠ±ΠΈΡΠ΅Π½ ΡΡΠΌ. ΠΠΈ Π·Π°ΠΎΠ±ΠΈΠΊΠΎΠ»ΡΠ²Π° ΡΡΠ°Π΄ΠΈΡΠΈΠΎΠ½Π°Π»Π½ΠΈΡΠ΅ Π°ΠΊΡΡΡΠΈΡΠ½ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΈ ΠΊΠΎΠ½ΡΠ΅ΠΏΡΠΎΡ Π½Π° ΡΠΎΠ½Π΅ΠΌΠΈ, Π½Π°ΠΌΠ΅ΡΡΠΎ ΡΠΎΠ° ΠΊΠΎΡΠΈΡΡΠΈ Π²ΠΈΡΠΎΠΊΠΎ ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ°Π½ ΡΠΈΡΡΠ΅ΠΌ Π·Π° ΠΌΠ°ΡΠΈΠ½ΡΠΊΠΎ ΡΡΠ΅ΡΠ΅ Π±Π°Π·ΠΈΡΠ°Π½ Π½Π° Π½Π΅Π²ΡΠΎΠ½ΡΠΊΠ° ΠΌΡΠ΅ΠΆΠ°, ΠΊΠΎΡ ΡΠ° Π΅Π»ΠΈΠΌΠΈΠ½ΠΈΡΠ° ΠΏΠΎΡΡΠ΅Π±Π°ΡΠ° Π΄Π° ΡΠ΅ ΡΠ°Π·Π²ΠΈΡΠ°Ρ ΠΏΠΎΡΠ΅Π±Π½ΠΈ ΠΊΠΎΠΌΠΏΠΎΠ½Π΅Π½ΡΠΈ Π·Π° ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠ°ΡΠ΅ Π½Π° ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ Π°Π½ΠΎΠΌΠ°Π»ΠΈΠΈ ΠΊΠ°ΠΊΠΎ ΡΡΠΎ ΡΠ΅ ΡΡΠΌ, Π΅Ρ ΠΎ ΠΈ ΠΊΠ°ΡΠ°ΠΊΡΠ΅ΡΠΈΡΡΠΈΠΊΠΈ Π½Π° Π³ΠΎΠ²ΠΎΡΠΎΡ.
ΠΠ΅Π³Π°ΡΠΈΠ²Π½Π°ΡΠ° ΡΡΡΠ°Π½Π° Π½Π° ΠΎΠ²ΠΎΡ ΠΏΡΠΈΡΡΠ°ΠΏ Π΅ ΡΡΠΎ Π·Π° Π΄Π° ΡΠ΅ Π΄ΠΎΠ±ΠΈΠ΅ Π²ΠΈΡΠΎΠΊΠΎΠΊΠ²Π°Π»ΠΈΡΠ΅ΡΠ½ΠΎ ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅ ΠΈ ΠΎΠ±ΡΠΊΠ° Π½Π° Π½Π΅Π²ΡΠΎΠ½ΡΠΊΠ° ΠΌΡΠ΅ΠΆΠ°, ΠΌΠΎΡΠΎΡΠΎΡ DeepSpeech Π±Π°ΡΠ° Π³ΠΎΠ»Π΅ΠΌΠ° ΠΊΠΎΠ»ΠΈΡΠΈΠ½Π° Π½Π° Ρ
Π΅ΡΠ΅ΡΠΎΠ³Π΅Π½ΠΈ ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈ, Π΄ΠΈΠΊΡΠΈΡΠ°Π½ΠΈ Π²ΠΎ ΡΠ΅Π°Π»Π½ΠΈ ΡΡΠ»ΠΎΠ²ΠΈ ΠΎΠ΄ ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ Π³Π»Π°ΡΠΎΠ²ΠΈ ΠΈ Π²ΠΎ ΠΏΡΠΈΡΡΡΡΠ²ΠΎ Π½Π° ΠΏΡΠΈΡΠΎΠ΄Π΅Π½ ΡΡΠΌ.
ΠΡΠΎΠ΅ΠΊΡ ΡΠΎΠ·Π΄Π°Π΄Π΅Π½ Π²ΠΎ Mozilla ΡΠΎΠ±ΠΈΡΠ° ΡΠ°ΠΊΠ²ΠΈ ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈ.
ΠΡΠ°ΡΠ½Π°ΡΠ° ΡΠ΅Π» Π½Π° ΠΏΡΠΎΠ΅ΠΊΡΠΎΡ Common Voice Π΅ Π΄Π° Π°ΠΊΡΠΌΡΠ»ΠΈΡΠ° 10 ΠΈΠ»ΡΠ°Π΄ΠΈ ΡΠ°ΡΠ° ΡΠ½ΠΈΠΌΠΊΠΈ Π½Π° ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ ΠΈΠ·Π³ΠΎΠ²ΠΎΡΠΈ Π½Π° ΡΠΈΠΏΠΈΡΠ½ΠΈ ΡΡΠ°Π·ΠΈ Π½Π° ΡΠΎΠ²Π΅ΡΠΊΠΈΠΎΡ Π³ΠΎΠ²ΠΎΡ, ΡΡΠΎ ΡΠ΅ ΠΎΠ²ΠΎΠ·ΠΌΠΎΠΆΠΈ ΠΏΠΎΡΡΠΈΠ³Π½ΡΠ²Π°ΡΠ΅ Π½Π° ΠΏΡΠΈΡΠ°ΡΠ»ΠΈΠ²ΠΎ Π½ΠΈΠ²ΠΎ Π½Π° Π³ΡΠ΅ΡΠΊΠΈ Π²ΠΎ ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅ΡΠΎ. ΠΠΎ ΡΠ΅Π³Π°ΡΠ½Π°ΡΠ° ΡΠΎΡΠΌΠ°, ΡΡΠ΅ΡΠ½ΠΈΡΠΈΡΠ΅ Π²ΠΎ ΠΏΡΠΎΠ΅ΠΊΡΠΎΡ Π²Π΅ΡΠ΅ Π΄ΠΈΠΊΡΠΈΡΠ°Π° Π²ΠΊΡΠΏΠ½ΠΎ 4.3 ΠΈΠ»ΡΠ°Π΄ΠΈ ΡΠ°ΡΠ°, ΠΎΠ΄ ΠΊΠΎΠΈ 3.5 ΠΈΠ»ΡΠ°Π΄ΠΈ ΡΠ΅ ΡΠ΅ΡΡΠΈΡΠ°Π½ΠΈ. ΠΡΠΈ ΠΎΠ±ΡΡΡΠ²Π°ΡΠ΅ Π½Π° ΠΊΠΎΠ½Π΅ΡΠ½ΠΈΠΎΡ ΠΌΠΎΠ΄Π΅Π» Π½Π° Π°Π½Π³Π»ΠΈΡΠΊΠΈ ΡΠ°Π·ΠΈΠΊ Π·Π° DeepSpeech, Π±Π΅Π° ΠΈΡΠΊΠΎΡΠΈΡΡΠ΅Π½ΠΈ 3816 ΡΠ°ΡΠ° Π³ΠΎΠ²ΠΎΡ, ΠΊΠ°ΠΊΠΎ Π΄ΠΎΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅ Π½Π° Common Voice ΠΊΠΎΠΈ ΠΏΠΎΠΊΡΠΈΠ²Π°Π° ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈ ΠΎΠ΄ ΠΏΡΠΎΠ΅ΠΊΡΠΈΡΠ΅ LibriSpeech, Fisher ΠΈ Switchboard, Π° ΠΈΡΡΠΎ ΡΠ°ΠΊΠ° Π²ΠΊΠ»ΡΡΠΈ ΠΈ ΠΎΠΊΠΎΠ»Ρ 1700 ΡΠ°ΡΠ° ΡΡΠ°Π½ΡΠΊΡΠΈΠ±ΠΈΡΠ°Π½ΠΈ ΡΠ½ΠΈΠΌΠΊΠΈ Π½Π° ΡΠ°Π΄ΠΈΠΎ Π΅ΠΌΠΈΡΠΈΠΈ.
ΠΠΎΠ³Π° ΡΠ΅ ΠΊΠΎΡΠΈΡΡΠΈ Π³ΠΎΡΠΎΠ²ΠΈΠΎΡ ΠΌΠΎΠ΄Π΅Π» Π½Π° Π°Π½Π³Π»ΠΈΡΠΊΠΈ ΡΠ°Π·ΠΈΠΊ ΠΏΠΎΠ½ΡΠ΄Π΅Π½ Π·Π° ΠΏΡΠ΅Π·Π΅ΠΌΠ°ΡΠ΅, ΡΡΠ°ΠΏΠΊΠ°ΡΠ° Π½Π° Π³ΡΠ΅ΡΠΊΠ° ΠΏΡΠΈ ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅ Π²ΠΎ DeepSpeech Π΅ 7.5% ΠΊΠΎΠ³Π° ΡΠ΅ ΠΎΡΠ΅Π½ΡΠ²Π° ΡΠΎ ΡΠ΅ΡΡ ΡΠ΅Ρ
DeepSpeech ΡΠ΅ ΡΠΎΡΡΠΎΠΈ ΠΎΠ΄ Π΄Π²Π° ΠΏΠΎΡΡΠΈΡΡΠ΅ΠΌΠ° - Π°ΠΊΡΡΡΠΈΡΠ΅Π½ ΠΌΠΎΠ΄Π΅Π» ΠΈ Π΄Π΅ΠΊΠΎΠ΄Π΅Ρ. ΠΠΊΡΡΡΠΈΡΠ½ΠΈΠΎΡ ΠΌΠΎΠ΄Π΅Π» ΠΊΠΎΡΠΈΡΡΠΈ ΠΌΠ΅ΡΠΎΠ΄ΠΈ Π·Π° Π΄Π»Π°Π±ΠΎΠΊΠΎ ΠΌΠ°ΡΠΈΠ½ΡΠΊΠΎ ΡΡΠ΅ΡΠ΅ Π·Π° Π΄Π° ΡΠ° ΠΏΡΠ΅ΡΠΌΠ΅ΡΠ° Π²Π΅ΡΠΎΡΠ°ΡΠ½ΠΎΡΡΠ° ΠΎΠ΄ΡΠ΅Π΄Π΅Π½ΠΈ Π·Π½Π°ΡΠΈ Π΄Π° Π±ΠΈΠ΄Π°Ρ ΠΏΡΠΈΡΡΡΠ½ΠΈ Π²ΠΎ Π²Π»Π΅Π·Π½ΠΈΠΎΡ Π·Π²ΡΠΊ. ΠΠ΅ΠΊΠΎΠ΄Π΅ΡΠΎΡ ΠΊΠΎΡΠΈΡΡΠΈ Π°Π»Π³ΠΎΡΠΈΡΠ°ΠΌ Π·Π° ΠΏΡΠ΅Π±Π°ΡΡΠ²Π°ΡΠ΅ Π·ΡΠ°ΡΠΈ Π·Π° Π΄Π° Π³ΠΈ ΠΊΠΎΠ½Π²Π΅ΡΡΠΈΡΠ° ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈΡΠ΅ Π·Π° Π²Π΅ΡΠΎΡΠ°ΡΠ½ΠΎΡΡΠ° Π½Π° Π·Π½Π°ΡΠΈΡΠ΅ Π²ΠΎ ΡΠ΅ΠΊΡΡΡΠ°Π»Π½Π° ΠΏΡΠ΅ΡΡΡΠ°Π²Π°.
ΠΠ»Π°Π²Π½ΠΈΡΠ΅
- Π‘Π΅ ΠΏΡΠ΅Π΄Π»Π°Π³Π° Π½ΠΎΠ² ΡΡΡΠΈΠΌ Π΄Π΅ΠΊΠΎΠ΄Π΅Ρ ΠΊΠΎΡ ΠΎΠ±Π΅Π·Π±Π΅Π΄ΡΠ²Π° ΠΏΠΎΠ³ΠΎΠ»Π΅ΠΌΠ° ΠΎΠ΄Π·ΠΈΠ²Π½ΠΎΡΡ ΠΈ Π½Π΅Π·Π°Π²ΠΈΡΠ΅Π½ ΠΎΠ΄ Π³ΠΎΠ»Π΅ΠΌΠΈΠ½Π°ΡΠ° Π½Π° ΠΎΠ±ΡΠ°Π±ΠΎΡΠ΅Π½ΠΈΡΠ΅ Π°ΡΠ΄ΠΈΠΎ ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈ. ΠΠ°ΠΊΠΎ ΡΠ΅Π·ΡΠ»ΡΠ°Ρ Π½Π° ΡΠΎΠ°, Π½ΠΎΠ²Π°ΡΠ° Π²Π΅ΡΠ·ΠΈΡΠ° Π½Π° DeepSpeech ΡΡΠΏΠ΅Π° Π΄Π° ΡΠ° Π½Π°ΠΌΠ°Π»ΠΈ Π΄ΠΎΡΠ½Π΅ΡΠ΅ΡΠΎ Π·Π° ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅ Π½Π° 260 ms, ΡΡΠΎ Π΅ 73% ΠΏΠΎΠ±ΡΠ·ΠΎ ΠΎΠ΄ ΠΏΡΠ΅ΡΡ ΠΎΠ΄Π½ΠΎ, ΠΈ ΠΎΠ²ΠΎΠ·ΠΌΠΎΠΆΡΠ²Π° DeepSpeech Π΄Π° ΡΠ΅ ΠΊΠΎΡΠΈΡΡΠΈ Π²ΠΎ ΡΠ΅ΡΠ΅Π½ΠΈΡΠ°ΡΠ° Π·Π° ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅ Π³ΠΎΠ²ΠΎΡ Π²ΠΎ Π»Π΅Ρ.
- ΠΠ°ΠΏΡΠ°Π²Π΅Π½ΠΈ ΡΠ΅ ΠΏΡΠΎΠΌΠ΅Π½ΠΈ Π²ΠΎ API ΠΈ ΡΠ΅ ΡΠ°Π±ΠΎΡΠΈ Π½Π° ΡΠ½ΠΈΡΠΈΡΠΈΡΠ°ΡΠ΅ Π½Π° ΠΈΠΌΠΈΡΠ°ΡΠ° Π½Π° ΡΡΠ½ΠΊΡΠΈΠΈΡΠ΅. ΠΠΎΠ΄Π°Π΄Π΅Π½ΠΈ ΡΠ΅ ΡΡΠ½ΠΊΡΠΈΠΈ Π·Π° Π΄Π° ΡΠ΅ Π΄ΠΎΠ±ΠΈΡΠ°Ρ Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡΠ΅Π»Π½ΠΈ ΠΌΠ΅ΡΠ°ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈ Π·Π° ΡΠΈΠ½Ρ ΡΠΎΠ½ΠΈΠ·Π°ΡΠΈΡΠ°ΡΠ°, ΡΡΠΎ Π²ΠΈ ΠΎΠ²ΠΎΠ·ΠΌΠΎΠΆΡΠ²Π° Π½Π΅ ΡΠ°ΠΌΠΎ Π΄Π° ΠΏΡΠΈΠΌΠ°ΡΠ΅ ΠΏΡΠ΅ΡΡΡΠ°Π²Π° Π½Π° ΡΠ΅ΠΊΡΡ ΠΊΠ°ΠΊΠΎ ΠΈΠ·Π»Π΅Π·, ΡΡΠΊΡ ΠΈ Π΄Π° Π³ΠΎ ΡΠ»Π΅Π΄ΠΈΡΠ΅ Π²ΡΠ·ΡΠ²Π°ΡΠ΅ΡΠΎ Π½Π° ΠΏΠΎΠ΅Π΄ΠΈΠ½Π΅ΡΠ½ΠΈ Π·Π½Π°ΡΠΈ ΠΈ ΡΠ΅ΡΠ΅Π½ΠΈΡΠΈ Π·Π° ΠΏΠΎΠ·ΠΈΡΠΈΡΠ° Π²ΠΎ Π°ΡΠ΄ΠΈΠΎ ΠΏΡΠ΅Π½ΠΎΡΠΎΡ.
- ΠΠΎΠ΄Π΄ΡΡΠΊΠ°ΡΠ° Π·Π° ΠΊΠΎΡΠΈΡΡΠ΅ΡΠ΅ Π½Π° Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ°ΡΠ° Π΅ Π΄ΠΎΠ΄Π°Π΄Π΅Π½Π° Π²ΠΎ Π°Π»Π°ΡΠΊΠ°ΡΠ° Π·Π° ΠΌΠΎΠ΄ΡΠ»ΠΈ Π·Π° ΠΎΠ±ΡΠΊΠ°
CuDNN Π΄Π° ΡΠ΅ ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ° ΡΠ°Π±ΠΎΡΠ°ΡΠ° ΡΠΎ ΡΠ΅ΠΊΡΡΠ΅Π½ΡΠ½ΠΈ Π½Π΅Π²ΡΠΎΠ½ΡΠΊΠΈ ΠΌΡΠ΅ΠΆΠΈ (RNN), ΡΡΠΎ ΠΎΠ²ΠΎΠ·ΠΌΠΎΠΆΠΈ Π΄Π° ΡΠ΅ ΠΏΠΎΡΡΠΈΠ³Π½Π΅ Π·Π½Π°ΡΠΈΡΠ΅Π»Π½ΠΎ (ΠΏΡΠΈΠ±Π»ΠΈΠΆΠ½ΠΎ Π΄Π²ΠΎΡΠ½ΠΎ) Π·Π³ΠΎΠ»Π΅ΠΌΡΠ²Π°ΡΠ΅ Π½Π° ΠΏΠ΅ΡΡΠΎΡΠΌΠ°Π½ΡΠΈΡΠ΅ Π·Π° ΠΎΠ±ΡΠΊΠ° Π½Π° ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠ΅, Π½ΠΎ Π±Π°ΡΠ°ΡΠ΅ ΠΏΡΠΎΠΌΠ΅Π½ΠΈ Π²ΠΎ ΠΊΠΎΠ΄ΠΎΡ ΡΡΠΎ ΡΠ° Π½Π°ΡΡΡΡΠ²Π° ΠΊΠΎΠΌΠΏΠ°ΡΠΈΠ±ΠΈΠ»Π½ΠΎΡΡΠ° ΡΠΎ ΠΏΡΠ΅ΡΡ ΠΎΠ΄Π½ΠΎ ΠΏΠΎΠ΄Π³ΠΎΡΠ²Π΅Π½ΠΈΡΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ. - ΠΠΈΠ½ΠΈΠΌΠ°Π»Π½ΠΈΡΠ΅ Π±Π°ΡΠ°ΡΠ° Π·Π° Π²Π΅ΡΠ·ΠΈΡΠ°ΡΠ° Π½Π° TensorFlow ΡΠ΅ Π·Π³ΠΎΠ»Π΅ΠΌΠ΅Π½ΠΈ ΠΎΠ΄ 1.13.1 Π½Π° 1.14.0. ΠΠΎΠ΄Π°Π΄Π΅Π½Π° Π΅ ΠΏΠΎΠ΄Π΄ΡΡΠΊΠ° Π·Π° Π»Π΅ΡΠ½ΠΎΡΠΎ ΠΈΠ·Π΄Π°Π½ΠΈΠ΅ Π½Π° TensorFlow Lite, ΠΊΠΎΠ΅ ΡΠ° Π½Π°ΠΌΠ°Π»ΡΠ²Π° Π³ΠΎΠ»Π΅ΠΌΠΈΠ½Π°ΡΠ° Π½Π° ΠΏΠ°ΠΊΠ΅ΡΠΎΡ DeepSpeech ΠΎΠ΄ 98 MB Π½Π° 3.7 MB. ΠΠ° ΡΠΏΠΎΡΡΠ΅Π±Π° Π½Π° Π²Π³ΡΠ°Π΄Π΅Π½ΠΈ ΠΈ ΠΌΠΎΠ±ΠΈΠ»Π½ΠΈ ΡΡΠ΅Π΄ΠΈ, Π³ΠΎΠ»Π΅ΠΌΠΈΠ½Π°ΡΠ° Π½Π° ΡΠΏΠ°ΠΊΡΠ²Π°Π½Π°ΡΠ° Π΄Π°ΡΠΎΡΠ΅ΠΊΠ° ΡΠΎ ΠΌΠΎΠ΄Π΅Π»ΠΎΡ ΠΈΡΡΠΎ ΡΠ°ΠΊΠ° Π΅ Π½Π°ΠΌΠ°Π»Π΅Π½Π° ΠΎΠ΄ 188 MB Π½Π° 47 MB ββ(ΠΌΠ΅ΡΠΎΠ΄ΠΎΡ Π½Π° ΠΊΠ²Π°Π½ΡΠΈΠ·Π°ΡΠΈΡΠ° ΡΠ΅ ΠΊΠΎΡΠΈΡΡΠΈ Π·Π° ΠΊΠΎΠΌΠΏΡΠ΅ΡΠΈΡΠ° ΠΎΡΠΊΠ°ΠΊΠΎ ΡΠ΅ ΡΠ΅ ΠΎΠ±ΡΡΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΎΡ).
- ΠΠ°Π·ΠΈΡΠ½ΠΈΠΎΡ ΠΌΠΎΠ΄Π΅Π» Π΅ ΠΏΡΠ΅Π²Π΅Π΄Π΅Π½ Π²ΠΎ ΡΠ°Π·Π»ΠΈΡΠ΅Π½ ΡΠΎΡΠΌΠ°Ρ Π½Π° ΡΡΡΡΠΊΡΡΡΠ°ΡΠ° Π½Π° ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈ ΡΡΠΎ ΠΎΠ²ΠΎΠ·ΠΌΠΎΠΆΡΠ²Π° Π΄Π°ΡΠΎΡΠ΅ΠΊΠΈΡΠ΅ Π΄Π° ΡΠ΅ ΠΌΠ°ΠΏΠΈΡΠ°Π°Ρ Π²ΠΎ ΠΌΠ΅ΠΌΠΎΡΠΈΡΠ°ΡΠ° ΠΊΠΎΠ³Π° ΡΠ΅ Π²ΡΠΈΡΡΠ²Π°Π°Ρ. ΠΠΎΠ΄Π΄ΡΡΠΊΠ°ΡΠ° Π·Π° ΡΡΠ°ΡΠΈΠΎΡ ΡΠΎΡΠΌΠ°Ρ Π΅ ΠΏΡΠ΅ΠΊΠΈΠ½Π°ΡΠ°.
- ΠΡΠΎΠΌΠ΅Π½Π΅Ρ Π΅ ΡΠ΅ΠΆΠΈΠΌΠΎΡ Π½Π° Π²ΡΠΈΡΡΠ²Π°ΡΠ΅ Π΄Π°ΡΠΎΡΠ΅ΠΊΠ° ΡΠΎ ΡΠ°Π·ΠΈΡΠ΅Π½ ΠΌΠΎΠ΄Π΅Π», ΡΡΠΎ ΡΠ° Π½Π°ΠΌΠ°Π»ΠΈ ΠΏΠΎΡΡΠΎΡΡΠ²Π°ΡΠΊΠ°ΡΠ° Π½Π° ΠΌΠ΅ΠΌΠΎΡΠΈΡΠ° ΠΈ Π½Π°ΠΌΠ°Π»Π΅Π½ΠΈ Π΄ΠΎΡΠ½Π΅ΡΠ° ΠΏΡΠΈ ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠ°ΡΠ° Π½Π° ΠΏΡΠ²ΠΎΡΠΎ Π±Π°ΡΠ°ΡΠ΅ ΠΏΠΎ ΠΊΡΠ΅ΠΈΡΠ°ΡΠ΅ΡΠΎ Π½Π° ΠΌΠΎΠ΄Π΅Π»ΠΎΡ. ΠΠ° Π²ΡΠ΅ΠΌΠ΅ Π½Π° ΡΠ°Π±ΠΎΡΠ°ΡΠ°, DeepSpeech ΡΠ΅Π³Π° ΡΡΠΎΡΠΈ 22 ΠΏΠ°ΡΠΈ ΠΏΠΎΠΌΠ°Π»ΠΊΡ ΠΌΠ΅ΠΌΠΎΡΠΈΡΠ° ΠΈ Π·Π°ΠΏΠΎΡΠ½ΡΠ²Π° 500 ΠΏΠ°ΡΠΈ ΠΏΠΎΠ±ΡΠ·ΠΎ.
- Π Π΅ΡΠΊΠΈ Π·Π±ΠΎΡΠΎΠ²ΠΈ Π±Π΅Π° ΡΠΈΠ»ΡΡΠΈΡΠ°Π½ΠΈ Π²ΠΎ ΡΠ°Π·ΠΈΡΠ½ΠΈΠΎΡ ΠΌΠΎΠ΄Π΅Π». ΠΠΊΡΠΏΠ½ΠΈΠΎΡ Π±ΡΠΎΡ Π½Π° Π·Π±ΠΎΡΠΎΠ²ΠΈ Π΅ Π½Π°ΠΌΠ°Π»Π΅Π½ Π½Π° 500 ΠΈΠ»ΡΠ°Π΄ΠΈ ΠΎΠ΄ Π½Π°ΡΠΏΠΎΠΏΡΠ»Π°ΡΠ½ΠΈΡΠ΅ Π·Π±ΠΎΡΠΎΠ²ΠΈ ΠΏΡΠΎΠ½Π°ΡΠ΄Π΅Π½ΠΈ Π²ΠΎ ΡΠ΅ΠΊΡΡΠΎΡ ΡΡΠΎ ΡΠ΅ ΠΊΠΎΡΠΈΡΡΠΈ Π·Π° ΠΎΠ±ΡΠΊΠ° Π½Π° ΠΌΠΎΠ΄Π΅Π»ΠΎΡ. Π§ΠΈΡΡΠ΅ΡΠ΅ΡΠΎ ΠΎΠ²ΠΎΠ·ΠΌΠΎΠΆΠΈ Π΄Π° ΡΠ΅ Π½Π°ΠΌΠ°Π»ΠΈ Π³ΠΎΠ»Π΅ΠΌΠΈΠ½Π°ΡΠ° Π½Π° ΡΠ°Π·ΠΈΡΠ½ΠΈΠΎΡ ΠΌΠΎΠ΄Π΅Π» ΠΎΠ΄ 1800MB Π½Π° 900MB, Π±Π΅Π· ΠΏΡΠ°ΠΊΡΠΈΡΠ½ΠΎ Π½ΠΈΠΊΠ°ΠΊΠ²ΠΎ Π²Π»ΠΈΡΠ°Π½ΠΈΠ΅ Π²ΡΠ· ΡΡΠ°ΠΏΠΊΠ°ΡΠ° Π½Π° Π³ΡΠ΅ΡΠΊΠΈ ΠΏΡΠΈ ΠΏΡΠ΅ΠΏΠΎΠ·Π½Π°Π²Π°ΡΠ΅.
- ΠΠΎΠ΄Π°Π΄Π΅Π½Π° Π΅ ΠΏΠΎΠ΄Π΄ΡΡΠΊΠ° Π·Π° ΡΠ°Π·Π»ΠΈΡΠ½ΠΈ
ΡΠ΅Ρ Π½ΠΈΡΠ°Ρ ΡΠΎΠ·Π΄Π°Π²Π°ΡΠ΅ Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡΠ΅Π»Π½ΠΈ Π²Π°ΡΠΈΡΠ°ΡΠΈΠΈ (Π·Π³ΠΎΠ»Π΅ΠΌΡΠ²Π°ΡΠ΅) Π½Π° Π°ΡΠ΄ΠΈΠΎ ΠΏΠΎΠ΄Π°ΡΠΎΡΠΈΡΠ΅ ΡΡΠΎ ΡΠ΅ ΠΊΠΎΡΠΈΡΡΠ°Ρ Π²ΠΎ ΠΎΠ±ΡΠΊΠ°ΡΠ° (Π½Π° ΠΏΡΠΈΠΌΠ΅Ρ, Π΄ΠΎΠ΄Π°Π²Π°ΡΠ΅ Π½Π° ΠΈΠ·ΠΎΠ±Π»ΠΈΡΡΠ²Π°ΡΠ΅ ΠΈΠ»ΠΈ ΡΡΠΌ Π½Π° Π·Π±ΠΈΡ Π½Π° ΠΎΠΏΡΠΈΠΈ). - ΠΠΎΠ΄Π°Π΄Π΅Π½Π° Π΅ Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ° ΡΠΎ Π²ΡΡΠΊΠΈ Π·Π° ΠΈΠ½ΡΠ΅Π³ΡΠ°ΡΠΈΡΠ° ΡΠΎ Π°ΠΏΠ»ΠΈΠΊΠ°ΡΠΈΠΈ Π±Π°Π·ΠΈΡΠ°Π½ΠΈ Π½Π° .NET ΠΏΠ»Π°ΡΡΠΎΡΠΌΠ°ΡΠ°.
- ΠΠΎΠΊΡΠΌΠ΅Π½ΡΠ°ΡΠΈΡΠ°ΡΠ° Π΅ ΠΏΡΠ΅ΡΠ°Π±ΠΎΡΠ΅Π½Π° ΠΈ ΡΠ΅Π³Π° Π΅ ΡΠΎΠ±ΡΠ°Π½Π° Π½Π° ΠΏΠΎΡΠ΅Π±Π½Π° Π²Π΅Π±-ΡΡΡΠ°Π½ΠΈΡΠ°.
deepspeech.readthedocs.io .
ΠΠ·Π²ΠΎΡ: opennet.ru