Vosk पुस्तकालय मा रूसी बोली पहिचान को लागी नयाँ मोडेल

Vosk पुस्तकालयका विकासकर्ताहरूले रूसी वाणी पहिचानका लागि नयाँ मोडेलहरू प्रकाशित गरेका छन्: सर्भर vosk-model-ru-0.22 र mobile Vosk-model-small-ru-0.22। मोडेलहरूले नयाँ स्पीच डेटा, साथै नयाँ न्यूरल नेटवर्क आर्किटेक्चर प्रयोग गर्दछ, जसले 10-20% द्वारा पहिचान शुद्धता बढाएको छ। कोड र डाटा Apache 2.0 लाइसेन्स अन्तर्गत वितरित छन्।

महत्त्वपूर्ण परिवर्तनहरू:

• भ्वाइस स्पिकरहरूमा सङ्कलन गरिएको नयाँ डाटाले टाढाबाट बोलिने वाणी आदेशहरूको पहिचानलाई उल्लेखनीय रूपमा सुधार गर्दछ।
• नयाँ अडियो निकासी योजनाले वाइडब्यान्ड रेकर्डिङहरूको लागि पहिचान शुद्धतामा उल्लेखनीय सुधार गरेको छ। एकै समयमा, टेलिफोनी पहिचानको शुद्धता पनि सुधार भएको छ।
• शब्दकोश विस्तार प्याकेजले तपाईंलाई जटिल प्राविधिक रेकर्डहरूको पहिचान अनुकूलन गर्न अनुमति दिन्छ।

उत्तम शुद्धताको लागि, यो Wax संस्करण 0.3.32 मा अद्यावधिक गर्न सिफारिस गरिन्छ। तपाइँ Vosk को नयाँ सुविधाहरूमा पनि रुचि राख्न सक्नुहुन्छ - एकता, नेटिभस्क्रिप्ट, जिगासीसँग एकीकरण। कजाख र युक्रेनी भाषाहरू पहिचान गर्नका लागि मोडेलहरू। सर्भर मोडेल सञ्चालन गर्न आधुनिक प्रोसेसर र 8GB मेमोरी चाहिन्छ। मोबाइल मोडेल फोन र RaspberryPi 3+ मा प्रयोग गर्न सकिन्छ।

स्रोत: opennet.ru