Mozilla ti tu imudojuiwọn kan si awọn ipilẹ data ohun Ohun Wọpọ, eyiti o pẹlu awọn ayẹwo pronunciation lati ọdọ eniyan 200. Awọn data ti wa ni atẹjade bi agbegbe gbogbo eniyan (CC0). Awọn eto ti a dabaa le ṣee lo ni awọn eto ikẹkọ ẹrọ lati kọ idanimọ ọrọ ati awọn awoṣe iṣelọpọ. Ti a ṣe afiwe si imudojuiwọn ti tẹlẹ, iwọn didun ohun elo ọrọ ni gbigba pọ nipasẹ 30% - lati 13.9 si 18.2 ẹgbẹrun wakati ti ọrọ. Nọmba awọn ede ti o ni atilẹyin ti pọ lati 67 si 87.
Eto fun ede Russian ni wiwa awọn olukopa 2452 ati awọn wakati 193 ti ohun elo ọrọ (awọn olukopa 2136 ati awọn wakati 173 wa), fun ede Belarusian - awọn olukopa 6160 ati awọn wakati 987 (awọn olukopa 3831 ati awọn wakati 356), fun ede Yukirenia - Awọn alabaṣepọ 684 ati awọn wakati 76 (awọn alabaṣepọ 615 wa ati awọn wakati 66). Die e sii ju 79 ẹgbẹrun eniyan ṣe alabapin ninu igbaradi awọn ohun elo ni ede Gẹẹsi, ti n ṣalaye awọn wakati 2886 ti ọrọ ti a fọwọsi (awọn alabaṣepọ 75 ẹgbẹrun ati awọn wakati 2637 wa).
Jẹ ki a leti pe iṣẹ akanṣe Ohun Wọpọ ni ifọkansi lati ṣeto iṣẹ apapọ lati ṣajọpọ data data ti awọn ilana ohun ti o ṣe akiyesi oniruuru ti awọn ohun ati awọn ọna ọrọ. A pe awọn olumulo si awọn gbolohun ọrọ ti o han loju iboju tabi ṣe iṣiro didara data ti a ṣafikun nipasẹ awọn olumulo miiran. Ibi ipamọ data ti a kojọpọ pẹlu awọn igbasilẹ ti ọpọlọpọ awọn pronunciations ti awọn gbolohun ọrọ aṣoju ti ọrọ eniyan le ṣee lo laisi awọn ihamọ ninu awọn eto ẹkọ ẹrọ ati ni awọn iṣẹ akanṣe iwadi. Gẹgẹbi onkọwe ti ile-ikawe idanimọ ọrọ ti Vosk lemọlemọfún, awọn aila-nfani ti ṣeto ohun ti o wọpọ jẹ ọkan-ẹgbẹ ti ohun elo ohun (iṣaju ti awọn eniyan 20-30 ọdun, ati aini ohun elo pẹlu awọn ohun ti awọn obinrin , awọn ọmọde ati awọn agbalagba), aisi iyipada ninu iwe-itumọ (atunṣe awọn gbolohun ọrọ kanna) ati pinpin awọn igbasilẹ ni ọna kika MP3 ti o ni iyipada.
Ni afikun, a le ṣe akiyesi itusilẹ ti ohun elo irinṣẹ NVIDIA NeMo 1.6, eyiti o pese awọn ọna ikẹkọ ẹrọ fun ṣiṣẹda awọn ọna ṣiṣe idanimọ ọrọ, iṣelọpọ ọrọ ati sisọ ede adayeba. NeMo pẹlu awọn awoṣe ikẹkọ ti o ti ṣetan-lati-lo fun awọn eto ikẹkọ ẹrọ ti o da lori ilana PyTorch, ti a pese sile nipasẹ NVIDIA nipa lilo data Ọrọ Ọrọ ti o wọpọ ati ibora ti awọn oriṣiriṣi awọn ede, awọn asẹnti ati awọn fọọmu ọrọ. Awọn awoṣe le jẹ iwulo fun awọn oniwadi ti n ṣe agbekalẹ awọn eto ibaraẹnisọrọ ti o da lori ohun, awọn iru ẹrọ transcription, ati awọn ile-iṣẹ ipe adaṣe. Fun apẹẹrẹ, NVIDIA NeMo jẹ lilo ni awọn iṣẹ ohun adaṣe adaṣe ti MTS ati Sberbank. Awọn koodu NeMo ti kọ ni Python ni lilo PyTorch ati pinpin labẹ iwe-aṣẹ Apache 2.0.
orisun: opennet.ru