{"id":53722,"date":"2019-12-08T00:00:00","date_gmt":"2019-12-07T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6"},"modified":"2020-02-18T14:01:39","modified_gmt":"2020-02-18T11:01:39","slug":"kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/news\/kompaniya-mozilla-predstavila-dvizhok-raspoznavaniya-rechi-deepspeech-0-6","title":{"rendered":"A empresa Mozilla apresentou o mecanismo de reconhecimento de fala DeepSpeech 0.6","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Apresentado<\/a><\/noindex> lan\u00e7amento do motor de reconhecimento de fala desenvolvido pela Mozilla DeepSpeech 0.6<\/a><\/noindex>, que implementa a arquitetura de reconhecimento de fala hom\u00f4nima, proposta<\/a><\/noindex> por pesquisadores da Baidu. A implementa\u00e7\u00e3o \u00e9 escrita em Python utilizando a plataforma de aprendizado de m\u00e1quina TensorFlow e \u00e9 distribu\u00eddo<\/a><\/noindex> dispon\u00edvel sob a licen\u00e7a livre MPL 2.0. \u00c9 compat\u00edvel com Linux, Android, macOS e Windows. A performance \u00e9 suficiente para usar o motor em placas LePotato, Raspberry Pi 3 e Raspberry Pi 4.<\/p>\n

O pacote tamb\u00e9m inclui s\u00e3o oferecidos<\/a><\/noindex> modelos treinados, aplica\u00e7\u00f5es fornecidas pela HashiCorp, decidimos dar uma olhada mais de perto na orquestra\u00e7\u00e3o do Waypoint utilizando GitLab CI\/CD. Para isso, iremos pegar uma simples aplica\u00e7\u00e3o Node.js, rodando na AWS ECS, do reposit\u00f3rio de exemplos.<\/a><\/noindex> arquivos de \u00e1udio e ferramentas para reconhecimento a partir da linha de comando. Para integrar a fun\u00e7\u00e3o de reconhecimento de fala em seus programas, s\u00e3o oferecidos m\u00f3dulos prontos para uso em Python, NodeJS, C++ e .NET (m\u00f3dulos preparados separadamente por desenvolvedores terceiros para Rust<\/a><\/noindex> e Go<\/a><\/noindex>). O modelo pronto est\u00e1 dispon\u00edvel apenas para a l\u00edngua inglesa, mas para outros idiomas, \u00e9 poss\u00edvel treinar o sistema por meio do<\/a><\/noindex> documenta\u00e7\u00e3o<\/a><\/noindex> material fornecido dados de voz<\/a><\/noindex>, coletados pelo projeto Common Voice. <\/p>\n

DeepSpeech \u00e9 significativamente mais simples do que sistemas tradicionais e, ao mesmo tempo, oferece uma qualidade de reconhecimento superior mesmo na presen\u00e7a de ru\u00eddo ambiente. No desenvolvimento, n\u00e3o s\u00e3o utilizadas modelos ac\u00fasticos tradicionais e a concep\u00e7\u00e3o de fonemas; em vez disso, \u00e9 aplicada uma bem otimizada sistema de aprendizado de m\u00e1quina baseado em rede neural, que permite abrir m\u00e3o do desenvolvimento de componentes separados para modelar diversas varia\u00e7\u00f5es, como ru\u00eddo, eco e caracter\u00edsticas da fala. <\/p>\n

O lado negativo dessa abordagem \u00e9 que, para obter um reconhecimento de qualidade e treinar a rede neural, o motor DeepSpeech exige uma grande quantidade de dados variados, ditados em condi\u00e7\u00f5es reais por diferentes vozes e na presen\u00e7a de ru\u00eddos naturais.
\nA coleta desses dados \u00e9 realizada pelo projeto criado na Mozilla Common Voice<\/a><\/noindex>, que fornece um conjunto de dados verificado com 780 horas em ingl\u00eas<\/a><\/noindex>, 325 em alem\u00e3o, 173 em franc\u00eas e 27 horas em russo. <\/p>\n

O objetivo final do projeto Common Voice \u00e9 acumular 10 mil horas de grava\u00e7\u00f5es de diversas pron\u00fancias de frases t\u00edpicas da fala humana, o que permitir\u00e1 alcan\u00e7ar um n\u00edvel aceit\u00e1vel de erros no reconhecimento. No estado atual, os participantes do projeto j\u00e1 ditaram um total de 4,3 mil horas, das quais 3,5 mil passaram por verifica\u00e7\u00e3o. Para o treinamento do modelo final da l\u00edngua inglesa para o DeepSpeech, foram usados 3816 horas de fala, al\u00e9m do Common Voice, abrangendo dados dos projetos LibriSpeech, Fisher e Switchboard, e incluindo cerca de 1700 horas de grava\u00e7\u00f5es transcritas de programas de r\u00e1dio.<\/p>\n

Ao usar o modelo de l\u00edngua inglesa pronto para download, o n\u00edvel de erro no reconhecimento no DeepSpeech \u00e9 de 7,5% quando avaliado com o conjunto de testes LibriSpeech<\/a><\/noindex>. Para compara\u00e7\u00e3o, o n\u00edvel de erros no reconhecimento por um ser humano \u00e9 avaliada<\/a><\/noindex> \u00e9 de 5,83%.<\/p>\n

DeepSpeech consiste em dois subsistemas \u2014 um modelo ac\u00fastico e um decodificador. O modelo ac\u00fastico utiliza m\u00e9todos de aprendizado de m\u00e1quina profundo para calcular a probabilidade da presen\u00e7a de certos s\u00edmbolos no som fornecido como entrada. O decodificador aplica um algoritmo de busca em raio para transformar os dados de probabilidade dos s\u00edmbolos em uma representa\u00e7\u00e3o textual.<\/p>\n

Principais novidades<\/a><\/noindex> DeepSpeech 0.6 (a vers\u00e3o 0.6 n\u00e3o \u00e9 compat\u00edvel com vers\u00f5es anteriores e requer atualiza\u00e7\u00e3o do c\u00f3digo e modelos):<\/p>\n