Открытое ПО

SberDevices выпустила открытые ИИ-модели GigaAM для распознавания речи и эмоций

Специалисты направления разработки сервисов GigaChat и SaluteSpeech в SberDevices анонсировали GigaAM (Giga Acoustic Model) — набор акустических моделей, ориентированных на русский язык и обеспечивающих точное распознавание речи и эмоциональной окраски.

GigaAM представляет собой Audio Foundation Model, прошедшую предобучение на широком спектре русскоязычных аудиозаписей. Она эффективно адаптируется под разнообразные звуковые задачи, в том числе распознавание речи и эмоций, идентификацию говорящего и прочие.

GigaAM-CTC — доступная модель для распознавания запросов на русском языке. По результатам тестирования на 7 наборах данных (включая запросы к умным колонкам и записи телефонных разговоров), модель демонстрирует на 20–35% меньше ошибок в словах при обработке коротких запросов по сравнению с распространёнными решениями, такими как NeMo-Conformer-RNNT и Whisper-Large-v3, по данным разработчиков.

Ресурсы «СКБ Контур». Визуальная аналитика CNews

GigaAM-Emo представляет собой акустическую модель, предназначенную для распознавания эмоций. Она показала наивысший результат на самом масштабном датасете Dusha среди всех известных на данный момент моделей. Все модели выложены в открытый доступ под некоммерческой лицензией — их разрешено применять при написании дипломных работ и научных публикаций.

Усовершенствованные варианты этих моделей коммерческие организации могут найти на нашей платформе для синтеза и распознавания речи SaluteSpeech API, а частные пользователи — воспользоваться ими через приложение SaluteSpeech App.

Короткая ссылка на материал: //cnews.ru/link/n597014
Поделиться:

0 Комментариев

Оставить комментарий

Обязательные поля помечены *
Ваш комментарий *
Категории