Что это такое?
Mozilla DeepSpeech — это open-source движок распознавания речи (speech-to-text), то есть модель машинного обучения, которая превращает аудио в текст прямо на вашем оборудовании.
Mozilla DeepSpeech — это open-source движок распознавания речи (speech-to-text), то есть модель машинного обучения, которая превращает аудио в текст прямо на вашем оборудовании.Это библиотека, которую я встраиваю в своё приложение, или готовая программа для расшифровки?Это движок для встраивания в собственные продукты, а не готовое приложение — вы встраиваете его в программы или устройства, которым нужно распознавание речи.
Это движок для встраивания в собственные продукты, а не готовое приложение — вы встраиваете его в программы или устройства, которым нужно распознавание речи.На чём он работает — мне нужно самому обучать или устанавливать что-то из машинного обучения?Это движок на C++, построенный на TensorFlow, причём модель уже обучена — вы просто запускаете её как есть, ничего не обучая самостоятельно.
Это движок на C++, построенный на TensorFlow, причём модель уже обучена — вы просто запускаете её как есть, ничего не обучая самостоятельно.Проект ещё поддерживается или фактически завершён?Проект завершён: в начале README сказано, что он прекращён, а репозиторий на GitHub заархивирован, так что он остаётся в режиме только для чтения без дальнейших обновлений.
Проект завершён: в начале README сказано, что он прекращён, а репозиторий на GitHub заархивирован, так что он остаётся в режиме только для чтения без дальнейших обновлений.На каком железе он работает — потянет ли что-то небольшое вроде Raspberry Pi?Он хорошо масштабируется вниз: по словам авторов, работает в реальном времени на устройствах от Raspberry Pi 4 до мощных GPU-серверов.
Он хорошо масштабируется вниз: по словам авторов, работает в реальном времени на устройствах от Raspberry Pi 4 до мощных GPU-серверов.Может ли он расшифровывать речь при полном отсутствии сети?Да — офлайн-работа на самом устройстве заложена в саму концепцию: расшифровка происходит локально, без какого-либо облачного сервиса.
Да — офлайн-работа на самом устройстве заложена в саму концепцию: расшифровка происходит локально, без какого-либо облачного сервиса.Зачем распознавать речь на устройстве, а не через облачный API?Потому что весь процесс идёт на устройстве и аудио никуда не загружается — это хорошо подходит для приватных, изолированных от сети или слабо подключённых сред, а поскольку проект open source, нет и поминутной платы за облачные запросы.
Потому что весь процесс идёт на устройстве и аудио никуда не загружается — это хорошо подходит для приватных, изолированных от сети или слабо подключённых сред, а поскольку проект open source, нет и поминутной платы за облачные запросы.На чём вообще основана модель распознавания?На модели, обученной методами машинного обучения по исследовательской работе Baidu «Deep Speech» — движок реализует именно этот опубликованный подход.
На модели, обученной методами машинного обучения по исследовательской работе Baidu «Deep Speech» — движок реализует именно этот опубликованный подход.What are similar projects?vosk-api, supertonic, sherpa-onnx, whisper.cpp, FunASR, meetily, faster-whisper, Whisper
vosk-api, supertonic, sherpa-onnx, whisper.cpp, FunASR, meetily, faster-whisper, WhisperWhich topics is it in?mpl, asr, on-device-ai, on-device, transcription, neural-networks, tensorflow, speech-to-text, speech-recognition, raspberry-pi, embedded, neural-network
mpl, asr, on-device-ai, on-device, transcription, neural-networks, tensorflow, speech-to-text, speech-recognition, raspberry-pi, embedded, neural-network