വോസ്ക് ലൈബ്രറിയിൽ റഷ്യൻ സംഭാഷണം തിരിച്ചറിയുന്നതിനുള്ള പുതിയ മോഡലുകൾ

വോസ്ക് ലൈബ്രറിയുടെ ഡെവലപ്പർമാർ റഷ്യൻ സംഭാഷണ തിരിച്ചറിയലിനായി പുതിയ മോഡലുകൾ പ്രസിദ്ധീകരിച്ചു: സെർവർ vosk-model-ru-0.22, മൊബൈൽ Vosk-model-small-ru-0.22. മോഡലുകൾ പുതിയ സംഭാഷണ ഡാറ്റയും ഒരു പുതിയ ന്യൂറൽ നെറ്റ്‌വർക്ക് ആർക്കിടെക്ചറും ഉപയോഗിക്കുന്നു, ഇത് തിരിച്ചറിയൽ കൃത്യത 10-20% വർദ്ധിപ്പിച്ചു. കോഡും ഡാറ്റയും അപ്പാച്ചെ 2.0 ലൈസൻസിന് കീഴിലാണ് വിതരണം ചെയ്യുന്നത്.

പ്രധാനപ്പെട്ട മാറ്റങ്ങൾ:

• വോയ്‌സ് സ്പീക്കറുകളിൽ ശേഖരിക്കുന്ന പുതിയ ഡാറ്റ അകലെ നിന്ന് സംസാരിക്കുന്ന സംഭാഷണ കമാൻഡുകൾ തിരിച്ചറിയുന്നത് ഗണ്യമായി മെച്ചപ്പെടുത്തുന്നു.
• പുതിയ ഓഡിയോ എക്‌സ്‌ട്രാക്ഷൻ സ്കീം വൈഡ്‌ബാൻഡ് റെക്കോർഡിംഗുകൾക്കുള്ള തിരിച്ചറിയൽ കൃത്യത ഗണ്യമായി മെച്ചപ്പെടുത്തി. അതേസമയം, ടെലിഫോണി തിരിച്ചറിയലിന്റെ കൃത്യതയും മെച്ചപ്പെട്ടിട്ടുണ്ട്.
• സങ്കീർണ്ണമായ സാങ്കേതിക രേഖകളുടെ തിരിച്ചറിയൽ ഇഷ്ടാനുസൃതമാക്കാൻ നിഘണ്ടു വിപുലീകരണ പാക്കേജ് നിങ്ങളെ അനുവദിക്കുന്നു.

മികച്ച കൃത്യതയ്ക്കായി, വാക്സ് പതിപ്പ് 0.3.32 ലേക്ക് അപ്ഡേറ്റ് ചെയ്യാൻ ശുപാർശ ചെയ്യുന്നു. Vosk-ന്റെ പുതിയ സവിശേഷതകളിലും നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ടാകാം - യൂണിറ്റി, നേറ്റീവ്സ്ക്രിപ്റ്റ്, ജിഗാസി എന്നിവയുമായുള്ള സംയോജനം. കസാഖ്, ഉക്രേനിയൻ ഭാഷകൾ തിരിച്ചറിയുന്നതിനുള്ള മാതൃകകൾ. സെർവർ മോഡലിന് പ്രവർത്തിക്കാൻ ആധുനിക പ്രൊസസറും 8 ജിബി മെമ്മറിയും ആവശ്യമാണ്. മൊബൈൽ മോഡൽ ഫോണുകളിലും RaspberryPi 3+ എന്നിവയിലും ഉപയോഗിക്കാം.

അവലംബം: opennet.ru