Mozilla Qhia DeepSpeech 0.9 Hais Lus Pom Lub Cav

DeepSpeech1

Tshaj tawm tau raug luam tawm lub suab nco cav DeepSpeech 0.9 tsim los ntawm Mozilla, uas siv lub architecture ntawm kev hais lus ntawm tib lub npe npaj los ntawm Baidu cov kws tshawb nrhiav.

Qhov kev siv yog sau hauv Nab hab sej siv lub tshuab kev kawm tshuab TensorFlow thiab faib nyob rau hauv MPL 2.0 daim ntawv tso cai dawb.

Txog ntawm DeepSpeech

DeepSpeech muaj ob qhov kev ua haujlwm: acoustic qauv thiab txiav txim siab txiav txim qhov. Tus qauv acoustic siv cov kev kawm lub tshuab sib sib zog nqus los laij qhov tshwm sim uas qee cov cim tshwm sim hauv cov suab tawm suab.

Tus lej txiav txim siab siv duab hluav taws xob tshawb nrhiav duab hluav taws xob los hloov cov cim kev tshwm sim cov ntaub ntawv rau hauv cov ntawv piav qhia. DeepSpeech tau yooj yim dua li kev siv tshuab ib txwm thiab tib lub sijhawm muab kev lees paub ntau dua nyob rau hauv lub xub ntiag ntawm cov suab nrov extraneous.

Txoj kev txhim kho tsis siv cov qauv ntawm kev tso ua qauv thiab lub suab ntawm lub suab; es tsis txhob, qhov ua kom zoo rau neural network-based tshuab kev kawm siv, uas tshem tawm qhov kev xav tau los tsim kev sib cais sib txawv los ua qauv ntau yam tsis haum xws li suab nrov, ncha, thiab cov yam ntxwv hais lus.

Cov khoom siv muab cov qauv kev kawm, qauv ua suab thiab cov kab hais kom paub cov cuab yeej.

Cov qauv ua tiav tau muab rau lus Askiv thiab Suav nkaus xwb. Txog lwm yam lus, koj tuaj yeem kawm cov kab ke koj tus kheej raws li cov lus qhia txuas nrog, siv cov ntaub ntawv tawm suab los ntawm Lub Suab Project.

Thaum npaj-rau-siv qauv ntawm cov lus Askiv muaj rau download yog siv, qib ntawm kev lees paub qhov tsis raug hauv DeepSpeech yog 7.06% thaum soj ntsuam siv LibriSpeech test suite.

Rau kev sib piv, qhov ntsuas pom ntawm tib neeg kev ua yuam kev raug kwv yees li 5,83%.

Hauv cov qauv uas tau hais tseg, qhov kev paub tau zoo tshaj plaws yog tiav nrog kev sau lub suab zoo ntawm tus txiv neej nrog lub suab nrov ntawm Asmeskas nyob hauv ib puag ncig uas tsis muaj suab nrov.

Raws li tus sau ntawm Vosk Nruam Cov Lus Hais Yuav Cov Ntaub Ntawv lees paub, qhov tsis zoo ntawm Cov Lus Txheej Txheem Suab Nruab Nrab yog ib qho-ib sab ntawm cov hais lus cov khoom siv (kev tshaj lij ntawm cov txiv neej hnub nyoog 20 txog 30 thiab tsis muaj khoom siv nrog lub suab ntawm cov poj niam, cov menyuam thiab cov laus), qhov tsis muaj cov ntsiab lus hloov pauv (rov ua dua ntawm tib lub ntsiab lus) thiab kev faib tawm ntawm MP3 recordings nws cuam tshuam nrog distortion.

Qhov tsis zoo ntawm DeepSpeech suav nrog kev ua haujlwm tsis zoo thiab kev siv lub cim xeeb siab hauv qhov kev txiav txim siab, nrog rau cov khoom siv tseem ceeb los qhia tus qauv (Mozilla siv qhov system nrog 8 Quadro RTX 6000 GPU nrog 24GB VRAM hauv ib qho).

Tus downside mus kom ze rau qhov no yog qhov ntawd rau kev ua tau zoo ntawm kev lees paub thiab kev cob qhia ntawm lub neural network, Lub cav DeepSpeech yuav tsum muaj ntau ntawm cov ntaub ntawv heterogeneous dictated nyob rau hauv tej yam kev mob tiag tiag los ntawm cov suab sib txawv thiab nyob rau hauv lub xub ntiag ntawm ntuj nrov.

Cov ntaub ntawv no tau sau los ntawm Lub Suab Sib Koom ua txoj haujlwm tsim hauv Mozilla, uas muab cov ntaub ntawv pov thawj nrog 1469 teev ua lus Askiv, 692 hauv German, 554 hauv Fab Kis, 105 teev hauv Lavxias thiab 22 teev hauv Ukrainian.

Thaum qhia cov qauv lus Askiv kawg rau DeepSpeech, ntxiv rau Cov Lus Tib Neeg, cov ntaub ntawv los ntawm LibriSpeech, Fisher thiab Switchboard cov haujlwm tseem ntxiv, nrog rau kwv yees li 1700 teev ntawm cov kaw xov tooj cua.

Nruab nrab ntawm cov kev hloov pauv hauv ceg tshiab, qhov tau los yuam qhov hnyav ntawm cov lus tau hais tseg xaiv nyob rau txheej txheem txiav txim siab.

Nws tseem hais txog qhov kev txhawb nqa rau Txoj Hauv Ntej Hluav Taws Xob 9.2 thiab qhov kev xaiv ua tau los ntawm txheej txheej ib txwm ua haujlwm (Txheej Norm) thaum qhia cov neural network.

Rub tawm thiab tau

Cov kev ua tau zoo txaus los siv lub cev muaj zog hauv LePotato, Raspberry Pi 3 thiab Raspberry Pi 4 cov laug cam, zoo li hauv Google Pixel 2, Sony Xperia Z Hwm thiab Nokia 1.3 smartphones.

Npaj cov modules muaj los siv rau sej, NodeJS, C ++, thiab. NET los sib xyaw ua ke hais lus lees paub cov haujlwm rau hauv koj cov kev pab cuam (cov neeg thib peb tsim muaj cov qauv npaj rau Rust, Mus, thiab V).


Cov ntsiab lus ntawm tsab xov xwm ua raws li peb cov ntsiab cai ntawm kev tswj hwm kev ncaj nceesCov. Tshaj tawm ib qho yuam kev nyem no.

Yog thawj tus tuaj tawm tswv yim

Tso koj saib

Koj email chaw nyob yuav tsis tsum luam tawm.

*

*

  1. Lub luag haujlwm rau cov ntaub ntawv: Miguel Ángel Gatón
  2. Lub hom phiaj ntawm cov ntaub ntawv: Tswj SPAM, kev tswj xyuas tawm tswv yim.
  3. Sau raws cai: Koj kev tso cai
  4. Kev sib txuas lus ntawm cov ntaub ntawv: Cov ntaub ntawv yuav tsis raug xa mus rau lwm tus neeg thib peb tsuas yog los ntawm kev txiav txim siab raug cai.
  5. Cov ntaub ntawv khaws cia: Cov Ntaub Ntawv khaws tseg los ntawm Occentus Networks (EU)
  6. Txoj Cai: Txhua lub sijhawm koj tuaj yeem txwv, rov qab thiab tshem tawm koj cov ntaub ntawv.