Set áá²ááŸá¬áááºáž áá«áááºáá«áááºá
DeepSpeech ááẠááá¬ážááá¯ážáá»á áá áºáá»á¬ážááẠáá»á¬ážá áœá¬ááá¯ážááŸááºážááŒá®áž áá áºáá»áááºáááºážááœáẠááŒááºááá°áá¶áá¶áá»á¬ážááŒá¬ážááœáẠá¡áááºá¡ááœá±ážááá¯ááŒáá·áºáá±á¬ á¡ááá¡ááŸááºááŒá¯ááŸá¯ááᯠáá±ážáá«áááºá áááºážááẠáá°áá¶áá¶á áá²á·áááºáá¶ááŸáá·áº á áá¬ážááŒá±á¬á¡ááºá¹áá«áááºáá»á¬ážáá²á·ááá¯á·áá±á¬ ááœá²ááœá²áá»ááºáá»á¬ážááᯠá á¶ááá°áá¬ááŒá¯ááẠáá®ážááŒá¬ážá¡á áááºá¡ááá¯ááºážáá»á¬ážááᯠáá®ááœááºááẠááá¯á¡ááºááŸá¯ááᯠáááºááŸá¬ážáá±ážááá·áº á¡ááœááºáá±á¬ááºážááœááºáá±á¬ á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºá¡ááŒá±ááŒá¯ á ááºáááºáá°ááŸá¯á áá áºá¡á¬áž á¡áá¯á¶ážááŒá¯ááá·áºá¡á á¬áž ááá¬ážááá¯ážáá» á¡áá¶ááá¯ááºážááá¯ááºáᬠáá±á¬áºáááºáá»á¬ážááŸáá·áº áá¯ááºážáá»á¬ážá á¡áá°á¡áááᯠááŸá±á¬ááºááœáŸá²áááºá
á€áá»ááºážáááºááŸá¯á á¡á¬ážáááºážáá»ááºááŸá¬ á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá
áºáá¯á á¡áááºá¡ááœá±ážááŒáá·áºáá¬ážáá±á¬ á¡ááá¡ááŸááºááŒá¯ááŸá¯ááŸáá·áº áá±á·áá»áá·áºááŸá¯áááŸááááºá DeepSpeech á¡ááºáá»ááºááẠááá°áá®áá±á¬á¡áá¶áá»á¬ážááŒáá·áº áááºááœá±á·á¡ááŒá±á¡áá±áá»á¬ážááœáẠááœá²ááŒá¬ážáá±á¬á¡áá¶áá»á¬ážááŸáá·áº ááá¬ááá°áá¶áá¶áá»á¬ážááŒá¬ážááœáẠááœá²ááŒá¬ážáá±á¬áá±áá¬áá»á¬ážá
áœá¬ááá¯á¡ááºáá«áááºá
Mozilla ááœáẠáááºáá®ážáá¬ážáá±á¬ ááá±á¬áá»ááºáá
áºáá¯ááẠááá¯áá²á·ááá¯á·áá±á¬ á¡áá»ááºá¡áááºáá»á¬ážááᯠá
á¯áá±á¬ááºážáááºá
Common Voice ááá±á¬áá»ááºá á¡áá¯á¶ážá áœááºáááºááŸááºážáá»ááºááŸá¬ áá°á·á áá¬ážááŒá±á¬á áá¬áá¬ááºá áá¬ážá á¯áá»á¬ážá á¡áá¶ááœááºá¡áá»áá¯ážáá»áá¯ážááᯠáá¬áá®áá±á«ááºáž 10 á á¯áá±á¬ááºážáá¬ážáááºááŒá áºááŒá®ážá á¡ááá¡ááŸááºááŒá¯áááºáá¶ááá¯ááºáá±á¬ á¡ááŸá¬ážá¡ááœááºážáá»á¬ážá¡ááá·áºááᯠáááŸáá á±áááºááŒá áºáááºá áááºážááááºááŸááá¯á¶á á¶ááœááºá ááá±á¬áá»ááºááœááºáá«áááºáá°áá»á¬ážááẠá á¯á á¯áá±á«ááºážáá¬áá®áá±á«ááºáž 4.3 ááᯠááœáŸááºááŒá¬ážáá¬ážááŒá®ážááŒá áºáá±á¬ 3.5 ááᯠá ááºážáááºááŒá®ážááŒá áºáááºá DeepSpeech á¡ááœáẠáá±á¬ááºáá¯á¶ážá¡ááºá¹áááááºáá¬áá¬á áá¬ážáá¯á¶á á¶ááᯠáá±á·áá»áá·áºáááºááŒá¬ážáá±á¬á¡áá«á á áá¬ážááŒá±á¬ 3816 áá¬áá®ááᯠLibriSpeechá Fisher ááŸáá·áº Switchboard ááá±á¬áá»ááºáá»á¬ážá០áá±áá¬ááœáŸááºážááŒá¯á¶áá¬ážáá±á¬ áá¯á¶á¡áá¶á¡ááŒááºá á¡áá¶áá°ážáá°áá¬ážáá±á¬ áá±áá®ááá¯ááŸáá¯ážá¡áá¶ááœááºážááŸá¯ áá¬áá®áá±á«ááºáž 1700 ááá·áºáááºáž áá«áááºáá«áááºá
áá±á«ááºážáá¯ááºá¡ááœáẠáááºážááŸááºážáá¬ážááá·áº á¡áááºááá·áºáá¯ááºáá¬ážáá±á¬ á¡ááºá¹áááááºáá¬áá¬á
áá¬ážáá±á¬áºáááºááᯠá¡áá¯á¶ážááŒá¯ááá·áºá¡áá«á DeepSpeech ááœáẠá¡ááá¡ááŸááºááŒá¯ááŸá¯ááŸá¯ááºážááẠ7.5% ááŒá
áºáááº
DeepSpeech ááœáẠá áá áºááœá²ááŸá áºáᯠáá«áááºááẠ- á¡áá¶ááá¯ááºážááá¯ááºáᬠáá±á¬áºáááºááŸáá·áº áá¯ááºáá«áá áºáá¯á á¡áá¶ááá¯ááºážááá¯ááºáᬠáá±á¬áºáááºááẠá¡áá¶ááœááºážáá¶ááœáẠá¡áá»áá¯á·áá±á¬ áá¬ááºáá±á¬ááºáá»á¬ážá ááŒá áºááá¯ááºááŒá±ááᯠááœááºáá»ááºááẠáááºáá²áá±á¬ á ááºáááºáá°ááŸá¯áááºážáááºážáá»á¬ážááᯠá¡áá¯á¶ážááŒá¯áááºá áá®áá¯ááºáááááá¬ááẠáá¬ááºáá±á¬ááºááŒá áºááá¯ááºááŒá±áá±áá¬ááᯠá á¬áá¬ážááá¯ááºá á¬ážááŒá¯ááŸá¯á¡ááŒá áºááá¯á· ááŒá±á¬ááºážáá²ááẠray ááŸá¬ááœá±ááŸá¯ á¡ááºáááá¯áá®áááºááᯠá¡áá¯á¶ážááŒá¯áááºá
á¡ááá
- ááá¯ááá¯ááŒáá·áºáá¬ážáá±á¬áá¯á¶á·ááŒááºááŸá¯áá±ážá áœááºážááŒá®áž á á®áá¶áá±á¬ááºááœááºáá¬ážáá±á¬ á¡áá¶áá±áá¬áá¡ááœááºá¡á á¬ážááŸáá·áº áá®ážááŒá¬ážáááºážáá±á¬ ááá¯ááºááá¯ááºáá¯ááºááœáŸáá·áºááŸá¯ áá®áá¯ááºáá«á¡áá áºááᯠá¡ááá¯ááŒá¯áá¬ážáááºá ááááºá¡áá±ááŒáá·áºá DeepSpeech ááá¬ážááŸááºážá¡áá áºááẠá¡ááá¡ááŸááºááŒá¯ááŸá¯á¡ááœáẠlatency ááᯠ260 ms ááá¯á·áá»áŸá±á¬á·áá»ááá¯ááºáá²á·ááŒá®áž ááááºááẠ73% ááá¯ááá¯ááŒááºáááºáᬠDeepSpeech ááᯠá áá¬ážááŒá±á¬á¡ááá¡ááŸááºááŒá¯ááŸá¯ááŒá±ááŸááºážáá»ááºáá»á¬ážááœáẠáá»á¶áááºážááá¯ááºá á±áááºááŒá áºáááºá
- API ááœáẠá¡ááŒá±á¬ááºážá¡áá²áá»á¬áž ááŒá¯áá¯ááºáá¬ážááŒá®áž áá¯ááºáá±á¬ááºáá»ááºá¡áááºáá»á¬ážááᯠáá±á«ááºážá ááºážááẠáá¯ááºáá±á¬ááºáá²á·áááºá áááºáá°ááŒá¯ááŒááºážááá¯ááºáᬠáááºáá¬áá±áá¬ááᯠáááºáá¶áááŸáááẠáá¯ááºáá±á¬ááºáá»ááºáá»á¬ážááᯠááá·áºááœááºážáá¬ážááŒá®ážá áááºááẠá¡ááœááºáá áºáá¯á¡áá±ááŒáá·áº á á¬áá¬ážááá¯ááºá á¬ážááŒá¯ááŸá¯ááᯠáááºáá¶áááŸáá á±áá¯á¶áá¬áá á¡áá¶ááœáŸáá·áºá á®ážááŒá±á¬ááºážááŸá á¡áá±á¡áá¬ážáá áºáá¯ááá¯á· á á¬áá¯á¶ážáá áºáá¯á¶ážáá»ááºážá á®ááŸáá·áº á á¬ááŒá±á¬ááºážáá»á¬áž áá±á«ááºážá ááºááŸá¯ááá¯áááºáž ááŒá±áá¬áá¶ááá¯ááºá á±áááºááŒá áºáááºá
- á
á¬ááŒáá·áºááá¯ááºááᯠá¡áá¯á¶ážááŒá¯ááŒááºážá¡ááœáẠá¡áá±á¬ááºá¡áá¶á·ááᯠáá±á·áá»áá·áºáá±áž áá±á¬áºáá»á°ážáá»á¬ážá¡ááœáẠáááááá¬á¡á
á¯á¶ááœáẠááá·áºááœááºážáá¬ážáá«áááºá
CuDNN áá±á¬áºáááºáá±á·áá»áá·áºáá±ážá áœááºážáá±á¬ááºáááºááœáẠáááá¬áááºááŸá¬ážáá±á¬ (ááá·áºááŸááºážááŒá±ááŸá áºá) ááá¯ážáá¬á á±ááẠááŒá¯áá¯ááºáá±ážááá·áº áááºááá²áá² á¡á¬áá¯á¶ááŒá±á¬ááœááºáááºáá»á¬áž (RNN) ááŸáá·áº á¡áá¯ááºááᯠá¡áá±á¬ááºážáá¯á¶ážááŒá áºá¡á±á¬áẠáá¯ááºáá±á¬ááºáááºá ááá¯á·áá±á¬áº ááááºááŒááºáááºáá¬ážáá±á¬ áá±á¬áºáááºáá»á¬ážááŸáá·áº ááá¯ááºáááºáá®ááŸá¯ááᯠáá»áá¯ážáá±á¬ááºááá·áº áá¯ááºááŒá±á¬ááºážáá²ááŸá¯áá»á¬áž ááá¯á¡ááºáá«áááºá - á¡áááá·áºáá¯á¶áž TensorFlow áá¬ážááŸááºážááá¯á¡ááºáá»ááºáá»á¬ážááᯠ1.13.1 á០1.14.0 ááá¯á· ááŒáŸáá·áºáááºáá¬ážáááºá DeepSpeech áááºáá±á·áá»áºáá¡ááœááºá¡á á¬ážááᯠ98 MB á០3.7 MB á¡áááá»áŸá±á¬á·áá»áá±ážááá·áº áá±á«á·áá«ážáá±á¬ TensorFlow Lite áá¯ááºáá±ááŸá¯á¡ááœáẠáááºáá±á¬ááºážáá¶á·ááá¯ážááŸá¯á ááŒáŸá¯ááºááœááºážáá¬ážááá·áº ááá¯ááá¯ááºážá ááºáá á¹á ááºážáá»á¬ážááœáẠá¡áá¯á¶ážááŒá¯áááºá¡ááœááºá áá±á¬áºáááºáá«ááŸááá±á¬ áá¯ááºááá¯ážáá¬ážáá±á¬ ááá¯ááºá¡ááœááºá¡á á¬ážááá¯áááºáž 188 MB á០47 MB ââââááá¯á· âáá»áŸá±á¬á·áá»ááá¯ááºááẠ(áá±á¬áºáááºááᯠáá±á·áá»áá·áºáááºááŒá¬ážááŒá®ážáá±á¬áẠáá»á¯á¶á·áááºá¡ááœáẠá¡áá±á¡ááœááºáááºážááᯠá¡áá¯á¶ážááŒá¯áááº)á
- áá¬áá¬á áá¬áž áá±á¬áºáááºááẠááá¯ááºáá»á¬ážááᯠáááºááá·áºá¡áá« áááºááá¯áá®ááá¯á· ááŒá±áá¯á¶ááœá²ááœáá·áºááŒá¯ááá·áº ááá°áá®áá±á¬ áá±áá¬ááœá²á·á ááºážáá¯á¶ áá±á¬áºáááºááá¯á· áá¬áá¬ááŒááºááá¯áá¬ážáá«áááºá áá±á¬áºáááºáá±á¬ááºážá¡ááœáẠáá¶á·ááá¯ážááŸá¯ááᯠáááºááá¯ááºážááá¯ááºáá«ááŒá®á
- áá±á¬áºáááºááá¯áááºáá®ážááŒá®ážáá±á¬áẠááááá¯á¶ážáá±á¬ááºážááá¯ááŸá¯ááᯠáá¯ááºáá±á¬ááºáá±á¬á¡áá«ááœáẠááŸááºáá¬ááºáá¯á¶ážá
áœá²ááŸá¯ áá»áŸá±á¬á·áá»ááŒá®áž ááŸá±á¬áá·áºááŸá±ážááŸá¯ááᯠáá»áŸá±á¬á·áá»áá±ážááá·áº áá¬áá¬á
áá¬áž áá±á¬áºáááºááŒáá·áº ááá¯ááºáá
áºáá¯áááºááŒááºážáá¯ááºááᯠááŒá±á¬ááºážáá²áá¬ážáááºá áááºáááºáá±á
ááºá¡ááœááºážá ááá¯á¡áá« DeepSpeech ááẠááŸááºáá¬áẠáá á áá»á±á¬á·áááºážáá¬ááŒá®áž á¡á á
áá ááá¯ááŒááºáá¬áááºá
- ááŸá¬ážáá«ážá áá¬ážáá¯á¶ážáá»á¬ážááᯠáá¬áá¬á áá¬ážáá¯á¶á á¶ááŒáá·áº á á áºáá¯ááºáá¬ážáá«áááºá áá±á¬áºáááºáá±á·áá»áá·áºáááºá¡áá¯á¶ážááŒá¯ááá·áº á á¬áá¬ážááœáẠááœá±á·áááá·áº áá±áááºážá¡á á¬ážáá¯á¶ážá áá¬ážáá¯á¶ážáá»á¬ážá¡áááºá០á á¯á á¯áá±á«ááºážá áá¬ážáá¯á¶ážá¡áá±á¡ááœáẠ500 ááá¯á· áá»áŸá±á¬á·áá»áá²á·áááºá ááá·áºááŸááºážáá±ážáá¯ááºááŒááºážááẠáá¬áá¬á áá¬ážáá±á¬áºáááºá á¡ááœááºá¡á á¬ážááᯠ1800MB á០900MB ááá¯á· áá»áŸá±á¬á·áá»ááá¯ááºá á±ááŒá®áž á¡ááá¡ááŸááºááŒá¯ááŸá¯ á¡ááŸá¬ážá¡ááœááºážááŸá¯ááºážá¡áá±á«áº áá¯á¶ážááááºáá±á¬ááºááŸá¯áááŸáá á±áá«á
- á¡áá»áá¯ážáá»áá¯ážá¡ááœáẠáá¶á·ááá¯ážáá°áá®ááŸá¯ááœá± ááá·áºáá±ážáá¬ážáááºá
áááºážááá¬ááŸáẠáá±á·áá»áá·áºáá±ážááœáẠá¡áá¯á¶ážááŒá¯ááá·áº á¡áá¶áá±áá¬á áááºáá±á¬ááºážááŒá±á¬ááºážáá²ááŸá¯áá»á¬áž (ááá¯ážááŒáŸáá·áºááŒááºáž) ááᯠáááºáá®ážááŒááºáž (á¥ááá¬á ááœá±ážáá»ááºá áá¬á¡á á¯á¶ááœáẠáá¯á¶áá»áẠááá¯á·ááá¯áẠáá°áá¶áá¶áá»á¬áž ááá·áºááŒááºáž)á - .NET ááááºáá±á¬ááºážááᯠá¡ááŒá±áá¶á á¡ááá®áá±ážááŸááºážáá»á¬ážááŸáá·áº áá±á«ááºážá ááºážáááºá¡ááœáẠáá±á«ááºážá ááºáá¬ážáá±á¬ á á¬ááŒáá·áºááá¯ááºáá áºáá¯ááᯠáá±á«ááºážááá·áºáá¬ážáááºá
- á
á¬ááœááºá
á¬áááºážááᯠááŒááºáááºááŒááºáááºááŒá®áž ááá¯á¡áá« áá®ážááŒá¬ážáááºááá¯ááºáá
áºáá¯ááœáẠá
á¯áá±á¬ááºážáá¬ážáááºá
deepspeech.readthedocs.io .
source: opennet.ru