Нагадую ще раз, що у нас спільнота — t.me/speech_recognition_uk

Усім зацікавленим рекомендую долучатися, багато цікавого саме там обговорюється

Опублікував модель huggingface.co/...​s-r-300m-uk-with-small-lm

Відмінність цієї моделі від інших wav2vec2 моделей в тому, що вона з дефісами і апострофами

+

Для української давно з’явилася змога, інформація тут — dou.ua/forums/topic/31961

В телеграм чате еще есть продолжение про «кровосисев»

Також з’явилася нова модель на основі data2vec — huggingface.co/...​obinhad/data2vec-large-uk яку розробив Юрій Панів

Опублікував також велику ONNX модель (1 млрд параметрів) — 1.1 GB і квантизовану (300 млн параметрів) — 300 mb — github.com/...​smkv/ukrainian-onnx-model

Розпізнавання з цією мовною моделлю дає 88.58% якості на Common Voice 6.1

Також я опублікував проєкт для автоматичного створення наголосів в тексті. Посилання — github.com/...​orsmkv/ukrainian-accentor

Юра Панів опублікував модель яка підтримує простановку наголосів. Посилання на модель — github.com/...​/releases/tag/v2.0.0-beta Демонстрація моделі — huggingface.co/...​es/robinhad/ukrainian-tts

Всем кому интересно как обстоят дела с TTS в open source для украинского языка — dou.ua/forums/topic/36223

Опубликовал модель с большой новостной языковой моделью — huggingface.co/...​-xls-r-1b-uk-with-news-lm

На фотографии ( t.me/nlp_uk/1376 ) отличие от основной модели — huggingface.co/...​2vec2-xls-r-1b-uk-with-lm

Справа распознавание улучшенной моделью, слева основной

Новая модель на основе wav2vec2 с 1 млрд параметров и распознаванием 88% — huggingface.co/...​2vec2-xls-r-1b-uk-with-lm

Отмечу, что у Нюанса в демо 22 kHz аудио получаются, у Микити — 48 kHz можно делать.

Что касается правильного озвучивания

«мʼяко»

, то нормализация текста тоже не делается. Преобразование

«мʼяко»

=>

«мйако»

нужно отдельным модулем.

Тоже призываю сообщество разработать такой инструмент для общего пользования.

А что обычно подразумевается под синтезом речи в украинском?

В первой модели есть возможность проставить ударение самостоятельно, используя символ «+».

Что касается автоматической расстановки ударений — модели их не ставят автоматически, слишком нетривиальная задача.

Призываю всех создать акцентор и опубликовать тоже его для общего пользования. Тогда можно будет его совместить с первой моделью.

Фонемы совсем не используются, обе модели на графемах

Nuance насколько мне известно платный

language = ’ua’
speaker = ’mykyta_v2′