Open ASR Leaderboard
Открытый воспроизводимый рейтинг систем распознавания речи, размещённый на Hugging Face. Сравнивает открытые и проприетарные модели на общих наборах данных по доле ошибок в словах (WER) и по скорости (обратный коэффициент реального времени, RTFx), включая отдельные разделы для многоязычной и длинной речи.
проверено по: huggingface.co ↗
См. также
- Hugging FaceАмериканская компания с французскими основателями и крупнейшая платформа, где публикуют, ищут и скачивают модели машинного обучения, прежде всего с открытыми весами, а также датасеты и демо-приложения (Spaces). Её часто называют «GitHub для машинного обучения». Компания также разрабатывает популярную открытую библиотеку Transformers.
- WhisperОткрытая модель OpenAI для распознавания речи на многих языках. Она также переводит речь на английский и определяет язык записи. Модель построена на архитектуре трансформера «кодировщик — декодировщик», вышла в нескольких размерах — от самых маленьких до больших — и распространяется вместе с кодом и весами под лицензией MIT. Её можно запускать у себя или использовать через API OpenAI.
- LibriSpeechКлассический открытый набор данных для распознавания английской речи: около тысячи часов аудиокниг проекта LibriVox, которые начитали добровольцы. Записи разбиты на более чистую (clean) и более трудную (other) части. На нём обучают и сравнивают модели распознавания речи, обычно по метрике WER.
- FLEURSОткрытый многоязычный речевой набор данных от Google (Few-shot Learning Evaluation of Universal Representations of Speech): параллельные записи одних и тех же фраз более чем на ста языках, начитанные носителями на основе текстов FLoRes-101. Используется для оценки распознавания речи, определения языка и речевого перевода, особенно для малоресурсных языков.
В новостях
IBM уместила чат, выбор ответа и расшифровку речи в одну модель
Открытый рейтинг систем распознавания речи на Hugging Face: сравнивает их по доле ошибок в расшифровке и по скорости работы.