по поводу универсальности сомневаюсь, что получится. те же stt лучше тренировать для своих данных, так как телефонная речь и с диктофона качество разное получается. далее может быть область, где есть ключевые слова, соответсвенно при распознавании надо "предупредить" вашу языковую модель, чтоб правильно расшифровала.
что касается анализа текста: для скорой медицинской помощи нужны одни данные, например уметь распознавать адрес, симптомы и тд, а для банка другие. получается слишком много нюансов.
Пока статья слишком вводная, но посмотрим что будет в следующий части.
По статье не очень понял, какую задачу решаете? Так как из аудио можно получить много информации(пол, возраст, эмоции и тд), а из текста, еще больше. И хотите сделать что то универсальное или решать узконаправленную задачу?
ну если запуск теста занимает минуты, то ты не будешь их запускать каждый раз, а сперва подумаешь, надо ли запускать. как результат, не будешь писать сперва тесты, а потом код. а скорее напишешь код и потом будешь его тестировать.
для сравнения в одной из компаний у нас была скорость 300-500 тестов/сек. Кол-во тестов было на тот момент где то 10-15k. и вот в таком случае даже лень фильтровать тесты, тупо запускаешь все
Так то давно уже это есть у "частников". Странно, что у Яндекса это только сейчас появилась. Причем у Яндекса я так понимаю только для себя, а у @snakers4 это как отдельная библиотека
Мне кажется им вообще по барабану на в/на. Потому как на тюркских языках правила другие и там нет различия между в/на. Поэтому паттерн с детства такой не сформирован и когда говоришь по русски, можно спокойно допустить ошибку.
То же самое касается и родов(муж/жен/средн). Если для слов, которые часто используется еще в голове формируются правила, то в словах, которых очень редко используешь, на автомате можешь сказать используя мужской род(как единственный в таких языках).
Ну и раз сайт на АйТи тему, скажу с точки зрения оцифровки языка. Для того чтоб сделать модели распознавания речи данных надо намного меньше, чем для русского языка. То же самое касается и NLP задач. Корень слова не меняется, а добавляются суффиксы. Поэтому не существует проблем, типа почему слова "уйти" и "идти" однокоренные.
Я тут рассматриваю с точки зрения перевода мультиков. Как раз 2 проблемы там:
В переводе голос чтоб был похож на оригинал
Читать надо с интонацией
Второй пункт уже решен, достаточно самому прочитать с нужной интонацией и натравить синтезатор. Первый то же можно решить, нагенерив много голосов и подобрав похожий. Но можно ли сразу генерить, чтоб не перебирать варианты?
Бот способен расставлять знаки пунктуации и делить текст на предложения. Это довольно простая seq2seq-модель 4-классовой классификации (пустота, точка, запятая, знак вопроса), обученная на открытых данных общения из интернета.
А можете подробнее еще и про детектор дефектов написать? Я так понимаю она у вас должна работать очень быстро, раз клиенту сообщаете, надо ли переснять.
Вместо DVC просто git используете?
Не хватает примеров, для каких задач можно применять тот или иной график. Ценность бы выросла в разы.
по поводу универсальности сомневаюсь, что получится. те же stt лучше тренировать для своих данных, так как телефонная речь и с диктофона качество разное получается. далее может быть область, где есть ключевые слова, соответсвенно при распознавании надо "предупредить" вашу языковую модель, чтоб правильно расшифровала.
что касается анализа текста: для скорой медицинской помощи нужны одни данные, например уметь распознавать адрес, симптомы и тд, а для банка другие. получается слишком много нюансов.
Пока статья слишком вводная, но посмотрим что будет в следующий части.
По статье не очень понял, какую задачу решаете? Так как из аудио можно получить много информации(пол, возраст, эмоции и тд), а из текста, еще больше. И хотите сделать что то универсальное или решать узконаправленную задачу?
ну если запуск теста занимает минуты, то ты не будешь их запускать каждый раз, а сперва подумаешь, надо ли запускать. как результат, не будешь писать сперва тесты, а потом код. а скорее напишешь код и потом будешь его тестировать.
для сравнения в одной из компаний у нас была скорость 300-500 тестов/сек. Кол-во тестов было на тот момент где то 10-15k. и вот в таком случае даже лень фильтровать тесты, тупо запускаешь все
Прикольная идея. Наверное надо ещё добавить ограничения, типа, солнце должно попадать более Х часов, внутри помещения по расположениям комнат
Так то давно уже это есть у "частников". Странно, что у Яндекса это только сейчас появилась. Причем у Яндекса я так понимаю только для себя, а у @snakers4 это как отдельная библиотека
Мне кажется им вообще по барабану на в/на. Потому как на тюркских языках правила другие и там нет различия между в/на. Поэтому паттерн с детства такой не сформирован и когда говоришь по русски, можно спокойно допустить ошибку.
То же самое касается и родов(муж/жен/средн). Если для слов, которые часто используется еще в голове формируются правила, то в словах, которых очень редко используешь, на автомате можешь сказать используя мужской род(как единственный в таких языках).
Ну и раз сайт на АйТи тему, скажу с точки зрения оцифровки языка. Для того чтоб сделать модели распознавания речи данных надо намного меньше, чем для русского языка. То же самое касается и NLP задач. Корень слова не меняется, а добавляются суффиксы. Поэтому не существует проблем, типа почему слова "уйти" и "идти" однокоренные.
Есть https://huggingface.co/sberbank-ai/mGPT/tree/main
А вы всё распознаете или есть отдельная сетка, которая должна искать слово ИРИНА и потом запускать распознавание?
можете написать маленький питон скрипт, который запускает модель, а потом начинает мониторить stdin.
А ваш c# код запускает этот скрипт как субпроцесс и отправляет в его stdin и ждет ответ от stdout
это самый простой рабочий способ запустить питон
Я тут рассматриваю с точки зрения перевода мультиков. Как раз 2 проблемы там:
В переводе голос чтоб был похож на оригинал
Читать надо с интонацией
Второй пункт уже решен, достаточно самому прочитать с нужной интонацией и натравить синтезатор. Первый то же можно решить, нагенерив много голосов и подобрав похожий. Но можно ли сразу генерить, чтоб не перебирать варианты?
Круто, поздравляю! Перенос интонации вообще тема, особенно с рандомными голосами.
А можно ли в перспективе рандомный голос генерить, который похож на указанный? Причем, чтоб указанный голос был носителем другого языка?
Спасибо большое. А то @Christina29 и @snakers4 не делятся кодом, как именно надо тренировать 😊
И как распознаете длинные сообщения? Тех.детали можете написать?
Очень круто получилось.
По поводу
Бот способен расставлять знаки пунктуации и делить текст на предложения. Это довольно простая seq2seq-модель 4-классовой классификации (пустота, точка, запятая, знак вопроса), обученная на открытых данных общения из интернета.может отдельную статью с кодом сделаете? :)
Почему некоторые врачи боятся пломбировать зуб мудрости? Есть какие то особенности?
Одна из причин - человеческий фактор. Тот кто должен заменить, допустим забыл.
А можете подробнее еще и про детектор дефектов написать? Я так понимаю она у вас должна работать очень быстро, раз клиенту сообщаете, надо ли переснять.
А аналог патентной системы у вас нет?
В РФ например можно купить патент за 30-60k рублей+30k страховка+12k+ за обслуживание банка и это все твои расходы.