Phonon-2.5: модель розпізнавання мовлення з відкритим кодом

TL;DR

• •

  Розмір моделі: 156,2 МБ.

• •

  Підтримує 25 мов.

• •

  Середня помилка розпізнавання слів: 11,71%.

• •

  Вимагає лише процесор, графічний прискорювач не потрібен.

• •

  Ліцензія: CC-BY-4.0.

Як це змінить ваш ринок?

Для компаній у медіа та маркетингу це може зменшити затрати на транскрибацію аудіо, якщо у них є власні інженери для інтеграції.

Однак без готового сервісу або підтримки впровадження вимагає додаткових витрат на розробку.

Визначення: Word Error Rate (WER) — показник точності розпізнавання мовлення, що визначає відсоток неправильно розпізнаних слів.

Для кого це і за яких умов

Потрібна команда розробників з досвідом роботи з машинним навчанням.

Мінімальне обладнання: комп'ютер з процесором, без потреби в дорогій GPU.

Мінімальний масштаб: будь-який, але реальна цінність з'являється лише при системному використанні.

Час на впровадження: залежить від можливостей команди, не менше кількох днів.

Альтернативи