Тим часом AI-спільноти в Україні:

— t.me/speech_recognition_uk
— t.me/speech_synthesis_uk
— t.me/computer_vision_uk
— t.me/applied_math_uk
— t.me/nlp_uk

Discord:
discord.gg/yVAjkBgmt4

Ви просто про них не знаєте)

Координація ось тут: t.me/computer_vision_uk

Дякую за Вашу працю, замовлю собі книжку

Зараз записуємо датасети для кримськотатарської та української мови (голос Микита). Приєднуйтесь до нашого товариства за посиланням — t.me/speech_synthesis_uk

+

Ви не праві. Розвитку не було, бо самі українці не хотіли цього робити. Простіше і краще працювати за долари та вирішувати задачі направлені на зарубіжний ринок.

Завершили запис голосу Лада, тепер є 10.5 годин якісних даних для тренування, які можна завантажити тут — github.com/...​s-datasets/tree/main/lada

Кому цікаво про результати якості Whisper для української мови, то я зробив тести всіх 5 моделей.

Результати ось в цьому пості — t.me/...​eech_recognition_uk/20686

Якщо коротко, то зявлені метрики не збігаються і є свої підводні камені її використання.

Кількість відкритих моделей для speech-to-text вже перевалила за десяток. Можна подивитися цей репозиторій з ними — github.com/...​mkv/speech-recognition-uk або долучитися до нашого товариства у Telegram — t.me/speech_recognition_uk

Також Богдан Михайленко зробив меншу версію моделі, її розмір ~150 mb і якість 91.72%

Оновлення — 94.83% тепер якість

Запустили бот для збору даних датасету — t.me/asr_corpus_bot

За домогою смартфона тепер можна допомогти українському speech-to-text

+

Нещодавно співробітники NVIDIA опублікувати нейронку на своїх технологіях CitriNet, яка дає 93.74% розпізнавання і зараз є state-of-the-art

Посилання не неї тут — github.com/...​mkv/speech-recognition-uk

Товариство, знайшов нового диктора (жіночий голос) та студію для неї для створення нової моделі Text to Speech

Тому хто бажає ко-спонсорувати запис — посилання на банку в Монобанк: send.monobank.ua/jar/3Saxixsdua

Товариство, знайшов нового диктора (жіночий голос) та студію для неї для створення нової моделі Text to Speech

Тому хто бажає ко-спонсорувати запис — посилання на банку в Монобанк: send.monobank.ua/jar/3Saxixsdua

Реліз на день народження чату t.me/speech_recognition_uk !

А саме датасет створений на відеозаписах новин від Голосу Америки.

Кількість записів: 98103
Кількість годин: 114

Посилання на датасет: nx16725.your-storageshare.de/s/f4NYHXdEw2ykZKa

Додав таблицю порівняння якості доступних моделей — github.com/...​ecognition-uk#-benchmarks

Оновив бот для розпізнавання аудіо-повідомлень у месенджері Telegram — t.me/taras_voice_bot

Якість розпізнавань була покращена до 84.74% і додані інші покращення.
Також, закликаю усіх доєднуватися до нашого товариства по розпізнаванню мови — t.me/speech_recognition_uk

P.S. За останній час були оновлені моделі для синтезації української мови, їх можна знайти у нашому товаристві.

Додав мовну модель треновану на Вікіпедії — huggingface.co/...​ls-r-300m-uk-with-wiki-lm