Facebook создала систему распознавания речи
Компания создала wav2vec Unsupervised (wav2vec-U) – систему распознавания речи, которая не требуют транскрибируемых данных. Разработку уже протестировали на таких языках, как суахили и татарский, для которых сейчас недоступны высококачественные модели распознавания речи.
«Это важный шаг на пути к созданию машин, которые смогут решать широкий круг задач, просто извлекая уроки из своих наблюдений. Мы думаем, что эта работа приблизит нас к миру, в котором речевые технологии доступны гораздо большему количеству людей», – говорится в сообщении Facebook.
Работа системы начинается с изучения структуры речи из немаркированного звука. Разработка сегментирует голосовую запись на речевые единицы, которые приблизительно соответствуют отдельным звукам. Например, слово «кот» включает в себя три звука: «/ K /», «/ AE /» и «/ T /».
«В более общем плане люди учатся многим навыкам, связанным с речью, просто слушая окружающих, – объяснили в Facebook. – Это говорит о том, что существует лучший способ обучения моделей распознавания речи, который не требует большого объема помеченных данных. Разработка более интеллектуальных систем такого рода – амбициозная долгосрочная научная задача, и мы верим, что wav2vec-U поможет нам продвинуться к этой важной и захватывающей цели».
