لقد نشرنا أخيرًا مجموعتنا من نماذج التعرف على الكلام عالية الجودة المدربة مسبقًا (أي قابلة للمقارنة من حيث الجودة بنماذج Google المتميزة ) للغات التالية:
- الإنجليزية؛
- ألمانية؛
- الأسبانية؛
يمكنك العثور على نماذجنا في مستودعنا مع أمثلة ومقاييس للجودة والسرعة. حاولنا أيضًا أن نجعل بدء استخدام نماذجنا بسيطًا قدر الإمكان - نشرنا أمثلة على Collab ونقاط تفتيش لـ PyTorch و ONNX و TensorFlow. يمكن أيضًا تحميل النماذج عبر TorchHub.
| PyTorch | ONNX | TensorFlow | جودة | كولاب | |
|---|---|---|---|---|---|
| الإنجليزية (en_v1) | ✓ | ✓ | ✓ | حلقة الوصل |  |
| الألمانية (de_v1) | ✓ | ✓ | ✓ | حلقة الوصل | |
| الأسبانية (es_v1) | ✓ | ✓ | ✓ | حلقة الوصل | |
لماذا هو مهم
كان للتعرف على الكلام تقليديًا عوائق كبيرة للدخول لعدد من الأسباب:
- يصعب جمع البيانات ؛
- يعتبر الترميز لوحدة بيانات قابلة للمقارنة أكثر تكلفة بكثير من رؤية الكمبيوتر ؛
- المتطلبات العالية لقوة الحوسبة والتقنيات القديمة ؛
فيما يلي قائمة بالمشكلات النموذجية التي تواجهها حلول التعرف على الكلام الحالية قبل إصدارنا:
- عادة ما يتم البحث في هذا المجال بقوة حاسوبية هائلة ؛
- - , " ", ;
- , - ;
- - ;
- ;
- ;
- - ;
- , , ;
—
, . :
- ;
- . , , ;
- ("1 ");
, — 50 .
— 10-20 .
.