Utvecklarna av Vosk-biblioteket har publicerat nya modeller för röstigenkänning: servermodellen vosk-model-ru-0.22 och mobilmodellen Vosk-model-small-ru-0.22. Modellerna använder nya taldata samt en ny neuronnätsarkitektur, vilket har ökat noggrannheten i igenkänning med 10-20%. Koden och data distribueras under Apache 2.0-licensen.
Viktiga ändringar:
- Nya data som samlats in från röstassistenter förbättrar avsevärt igenkänningen av röstkommandon som uttalats på avstånd.
- En ny ljudutvinningsmetod har kraftigt förbättrat noggrannheten vid igenkänning av bredbandsinspelningar. Samtidigt har också noggrannheten för telefonigenkänning förbättrats.
- Paketet för att komplettera ordboken möjliggör anpassning av igenkänning av komplexa tekniska inspelningar.
För bästa noggrannhet rekommenderas att uppdatera Vosk-versionen till 0.3.32. Nya funktioner i Vosk som kan vara intressanta – integrationer med Unity, Nativescript, Jigasi. Modeller för igenkänning av kasjiska och ukrainska språk. Servermodellen kräver en modern processor och 8 GB minne. Mobilmodellen kan användas i telefoner och RaspberryPi 3+.
Källa: opennet.ru
