Os desenvolvedores da biblioteca Vosk publicaram novos modelos para reconhecimento de fala em russo: o servidor vosk-model-ru-0.22 e o modelo móvel Vosk-model-small-ru-0.22. Esses modelos utilizam novos dados de fala e uma nova arquitetura de rede neural, o que aumentou a precisão do reconhecimento em 10-20%. O código e os dados são distribuídos sob a licença Apache 2.0.
Mudanças importantes:
- Novos dados coletados em alto-falantes inteligentes melhoram significativamente o reconhecimento de comandos de fala pronunciados a distância.
- Um novo esquema de extração de som permitiu melhorar significativamente a precisão do reconhecimento para gravações de larga banda. Ao mesmo tempo, a precisão do reconhecimento telefônico também melhorou.
- O pacote para complementação do vocabulário permite configurar o reconhecimento de registros técnicos complexos.
Para melhor precisão, recomenda-se atualizar a versão do Vosk para 0.3.32. Também podem ser interessantes as novas capacidades do Vosk — integrações com Unity, Nativescript, Jigasi, e modelos para reconhecimento dos idiomas cazaque e ucraniano. O modelo servidor requer um processador moderno e 8GB de memória. O modelo móvel pode ser utilizado em telefones e Raspberry Pi 3+.
Fonte: opennet.ru
