⬆️ Фармим классы на Хабре https://habr.com/ru/articles/806857/ ⬆️

Всё, Телеграм теперь уподобился «плохим» корпорациям?

https://habr.com/ru/articles/816423/

🚀 Silero VAD v5, в 3 раза быстрее, теперь с поддержкой 6 000+ языков!

- Поддержка 6 000+ языков;
- TorchScript стал в 3 раза быстрее, ONNX на 10%;
- Существенно повышена устойчивость на шумных данных;
- Рост качества на 5-7%;
- Переход на фиксированный размер окна;
- Добавлены метрики на 9 датасетах (7 публичных, 2 приватных);

🔗 https://github.com/snakers4/silero-vad/releases/tag/v5.0

Раз наш VAD, будучи полезной тулзой (судя даже по цитатам в пейперах), дошёл наконец-то до версии близкой к ультимативной, то мы аж запулили его в PIP:

- https://pypi.org/project/silero-vad/5.1/

Забавно, что имя silero-vad там уже было занято, но люди по доброте душевной отдали его нам "обратно".

Как использовать через pip:

- https://github.com/snakers4/silero-vad?tab=readme-ov-file#fast-start

Поэма «Облако на кухне» придумана человеком, написана, озвучена и нарисована машиной. Использованы отечественные нейросети.

🚀 Мы тут недавно докатили новое поколение STT моделей у себя. Под это запилили сравнение метрик.

🤯 Мы думали, что будет ситуация в духе "lie down and rot", то есть грубо говоря на каждый наш рубль Сбер тратит 1 000 рублей, но наша новая "медленная" модель (конечно, она не рекуррентная) нас очень сильно удивила. Как все проснутся, опубликую статью на Хабре.

🧪 Мы раскатили её в нашего тестового бота для распознавания - @silero_audio_bot.

⚙️ Ещё будут раскачены наработки по улучшению потоковой сегментации аудио, но это отдельно ещё накатим.

Добавил новые модели к сравнению, чтобы окончательно закрыть вопрос про непродуктовые решения (и без меня их тыкали, там всё не очень, несмотря на инвестиции и маркетинг). Разница между CTC и RNN-T сократилась.

У нас есть большой чанк новых данных, поэтому полагаю, что можно будет рассчитывать ещё на хороший прирост, на Хабр постить пока не буду.

Очевидные выводы:

- Наша прошлая модель всё ещё лучше;
- Конвергенция метрик;
- Видно, каких данных много и на чём тренировалось;
- Видно, что на бизнес-доменах метрики ниже, но в целом очень достойно;

Что реально удивило - поведение на пранк-звонках. По сути первый раз реально вижу в действии пользу большого пре-трейна после многих лет муссирования мантры в статьях.

У наших друзей из Silero вышло большое обновление. Было добавлено более 1000 HD голосов, 300 из которых совершенно новые!

Ссылка на бота

Делаем проект Фонда Бортника по разработке модели синтеза речи языков России и СНГ

🔎 Ищем людей, у которых два родных языка (русский и второй родной), которые бы помогли нам с рядом вещей:

- Помощь в поиске актуальных текстов на родном языке;
- Запись голоса (как на русском, так и на втором родном языке);
- Минимальные консультации по фонетике, ударениям и грамматике.

Наша основная задача - сделать удобный, быстрый, устойчивый, качественный и нетребовательный к вычислительным ресурсам синтез на самых популярных у нас в стране и в ближайшем зарубежье языках.

По итогу проекта планируется публикация общедоступных моделей синтеза языка под свободной лицензией (MIT).

✉️ Контакты для связи, условия участия и детали оговариваем в каждом случае отдельно

🤷‍♂️

Удивительно мало татар в обращениях (ноль).

По идее они должны быть на первом месте, чисто статистически, среди именно постоянного населения РФ.