Facebook опубликовала исходники системы распознавания речи wav2letter
Новости
Код состоит из модулей к библиотеке глубинного машинного обучения Torch, написанных на языке Lua. Система wav2letter работает на базе сверточной нейронной сети.
2К открытий2К показов
Команда исследователей из Facebook AI Research (FAIR) опубликовала на GitHub исходный код собственной системы распознавания речи, wav2letter. Он состоит из модулей к библиотеке глубинного машинного обучения Torch, написанных на языке Lua. Для обработки звука подключается библиотека Libsndfile, а для цифровой обработки сигналов – FFTW. Система работает на базе свёрточной нейронной сети.
wav2letter использует посимвольный метод разбора, поэтому для обучения не нужен фонетический словарь, только запись речи и текстовая расшифровка. На основании списка слов и языковой модели декодировщик сам строит акустическую модель.
Для желающих опробовать систему в действии разработчики выпустили готовую модель, натренированную для английского языка.
Проверка wav2letter на тестовом наборе LibriSpeech показала уровень ошибок 4,8% для чистой речи и 14,5% для запутанной. По сравнению с этим человек допускает 5,83% ошибок, Mozilla Voice – 6,5%, Google Speech – 6,64%, а Apple Dictation – 14,24%.
2К открытий2К показов
Простое объяснение работы нейронных сетей и искусственного интеллекта. Что такое ИИ, машинное обучение, LLM и Deep Learning, как они развивались и где применяются сегодня.
Промпт-инжиниринг — новый тренд в искусственном интеллекте и машинном обучении. Вместе с Даниилом Дранга, Head of AI Products and Data Science в Райффайзенбанке, разбираемся, что это за профессия, и изучаем продвинутый промптинг.
Исследование показало, что ChatGPT с высокой точностью определяет возраст и различает людей по фотографиям, несмотря на ограничения конфиденциальности
Open-source решения помогают разработчикам совместно использовать и улучшать написанный код. К 2024 году накопилось много таких проектов — в статье разберем самые громкие из них.