Интернет вещей, или IoT, уже стал реальностью. Вы, вероятно, используете одно (или более) устройство IoT прямо сейчас, или, по крайней мере, воспользовались преимуществами его применения. И этот рынок имеет тенденцию только расти.

Вообще говоря, интернет вещей - это сеть физических объектов, которая позволяет этим объектам создавать данные и обмениваться ими.

Согласно некоторым исследованиям, в 2021 году в мире насчитывалось 25 миллиардов устройств IoT, а к 2025 году эта цифра достигнет около 64 миллиардов (а объем рынка составит 11 триллионов долларов). От сельского хозяйства до домашней автоматизации, каждый сектор использует IoT, для помощи в своей сфере деятельности.

Не так давно те данные, которые у нас были, были созданы вручную человеком. Если они вообще создавались. Но, как бы мы ни старались, у всех людей есть ограничения на то, сколько данных мы можем получить. С созданием Интернета и развитием технологий можно собрать большое количество данных, чтобы помочь любому бизнесу расти.

Независимо от того, используете ли вы устройство, чтобы определить лучшее время для полива вашего растения, или же человек ослаб и нуждается в медицинской поддержке, IoT будет все больше и больше частью нашей жизни.

Всегда хотелось какого то простого и удобного решения для управления звуковым бэкграундом в интерьере. Попробовав несколько существующих вариантов, решил реализовать своё решение на базе Android планшета и сайта-веб-приложения. Теперь "Радио, погода, время всегда под рукой".

В процессе реализации столкнулся с интересными технологиями и их особенностями, а тестирование временем показало сильные и слабые их стороны. Делюсь опытом как это происходило, самим решением и выводами...

Вторая часть — https://habr.com/ru/post/563484/

Вокруг темы синтеза речи сейчас много движения: на рынке есть огромное число тулкитов для синтеза, большое число закрытых коммерческих решений за АПИ (как на современных технологиях, так и на более старых, т.е. "говорилки") от условных GAFA компаний, большое количество американских стартапов, пытающихся сделать очередные аудио дипфейки (voice transfer).

Но мы не видели открытых решений, которые бы удовлетворяли одновременно следующим критериям:

• Приемлемый уровень естественности речи;
• Большая библиотека готовых голосов на разных языках;
• Поддержка синтеза как в 16kHz так и в 8kHz из коробки;
• Наличие своих собственных голосов у авторов решения, не нарушающих чужие права и лицензии;
• Высокая скорость работы на "слабом" железе. Достаточная скорость работы на 1 потоке / ядре процессора;
• Не требует GPU, команды ML инженеров или какой-либо дополнительной тренировки или для использования;
• Минимализм и отсутствие зависимостей / использование в 1 строчку / не надо ничего собирать или чинить;
• Позиционируется именно как готовое решение, а не очередной фреймворк / компиляция чужих скриптов / тулкитов для сбора плюсиков;
• Решение никак не связано и не аффилировано с закрытыми экосистемами и продуктами Гугла / Сбера / Яндекса / вставить нужное;

Мы попытались учесть все эти пункты и представить комьюнити свое открытое некоммерческое решение, удовлетворяющее этим критериям. По причине его публичности мы не заостряем внимание на архитектуре и не фокусируемся на каких-то cherry picked примерах — вы можете оценить все сами, пройдя по ссылке.

Вроде бы совершенно простой вопрос, но на который как оказалось не так-то просто найти достоверный ответ. Единственные доступные сводные данные по количеству выданных радиолюбительских позывных, которые мне удалось найти, находятся на сайте СРР в разделе «Статистические данные». Собственно из этих данных мы можем узнать, что то-ли на начало ноября 2017 года, то-ли на начало 2018 года в «имеются достоверные сведения о 27 тысячах радиооператоров любительской службы«. И проблема даже не столько в том, что эти данные уже более чем 6-и летней давности, а в их некоторой непонятности и даже сомнительности, но об этом чуть позже.

К счастью у Андрея R1CF есть уникальный «GRFC crawler project», который косвенным образом получает данные о действующих/изменяющихся/аннулированных позывных с сайта ГРЧЦ и раскладывает их в свою базу данных. Собственно к этой самой базе данных Андрей любезно предоставил мне доступ и мне осталось только собрать статистику и построить графики/диаграммы.

Данные для анализа мне были доступны за период с июня 2015 по февраль 2021 включительно, но изменения происходящие в июне-июле-августе 2015 года я исключил из статистики, так как по всем признакам в этот период происходило первоначальное заполнение базы данных ГРЧЦ. То есть фактический период анализа: сентябрь 2015 — февраль 2021.

Также при анализе в базе ГРЧЦ обнаружилось некоторое количество «ошибок ввода»: неправильно проставленные регионы у позывных, ну и т.д. Но этих ошибок сравнительно немного, большинство из них исправляются «на лету» моим скриптом-анализатором и в целом они не должны оказывать какое-то заметное влияние на полученные результаты.

Что еще, я также исключил из анализа все позывные маяков, космических станций, специальные и т.д. Оставил только постоянные физических и юридических лиц (коллективки). Последние просто технически невозможно отделить от позывных физических лиц, но их реально единицы по стране.

Итак, я получил следующие результаты.

Автор исходного изображения: Blue Flourishes/Shutterstock.com

Всем привет! В этом посте мы расскажем про синтез голосов Сбера, Афины и Джой — виртуальных ассистентов семейства Салют. О том, как мы в SberDevices обучали модели, чтобы сделать синтез живым и специфичным для каждого персонажа, а также с какими проблемами столкнулись и как их решали.

Согласно нашей «библии ассистентов», Сбер — энергичный гик, Афина — взрослая и деловая, а Джой — дружелюбная и веселая. Они отличаются не только уникальными характерами, обращением на «ты»/«вы» и предпочтениями в шутках. Мы попытались сделать так, чтобы их личности отражались и в голосах, которыми они разговаривают.


Персонажей озвучили телеведущая Анастасия Чернобровина (Афина) и актёры дубляжа Даниил Щебланов и Татьяна Ермилова (Сбер и Джой). Виртуальных ассистентов можно услышать в приложениях Сбер Салют, СберБанк Онлайн, нашем колл-центре по номеру 900, а также в устройствах SberBox и SberPortal. Всё, что вы услышите, — это синтез речи, реализованный с помощью нейросетей. Он работает на связке Tacotron 2 и LPCNet.

Но, чтобы было понятно, что, зачем и почему, — немного теории и истории

Мне нужен был достаточно простой мониторинг на сервере, и не хотелось долго возиться с его настройкой.

В итоге удалось его установить и настроить буквально за 2 минуты:

Убыточная детская платформа для создания компьютерных игр Roblox с третьей попытки вышла на биржу, и её рыночная оценка тут же побила все самые смелые прогнозы. Сейчас она стоит больше, чем Take-Two (издатель Grand Theft Auto) и Ubisoft (разработчик серии Assaisin’s Creed) вместе взятые. Под катом — о том, как стартап, который часто называют «новым Minecraft», смог добиться такого результата.

Рассказываю, почему SQLite отлично подойдет вам в повседневной работе. И неважно, разработчик вы, аналитик, тестировщик, админ или продакт-менеджер.

Три мысли всё не давали мне жить спокойно:

1) есть ноутбук, но для работы нужен второй экран
2) давно мечтаю о пульте управления для Photoshop в дополнение к клавиатуре
3) на полках пылятся устаревшие гаджеты, которые продавать глупо, а выкидывать жалко

Когда речь заходит о разработке «сразу для Android и iOS», начинаются холивары и гадания на кофейной гуще. Что перспективнее, Flutter или Kotlin Multiplatform? Будущее за ними, или завтра их оба забудут?

Уверенно делать прогнозы — занятие весёлое, но не очень конструктивное. Я захотел подойти иначе. Поскольку мы проводим конференцию Mobius, я общался со многими мобильными разработчиками, в том числе об их опыте использования старых кроссплатформых решений. И теперь решил вспомнить, какими были эти решения, и понять их судьбу.

Как известно, «кто забывает об истории, обречён на её повторение». Если мы разберёмся с прошлым — возможно, тогда и будущее станет нам понятнее. А если вы сами работали с описанными технологиями — можете дополнять в комментариях своим опытом.

Новый набор инструментов для разработчиков Nvidia Jetson Nano 2GB представляет собой одноплатный компьютер с графическим ускорителем стоимостью 59$, работающий под управлением программного обеспечения с искусственным интеллектом.

Производительность, которую вы можете получить от одноплатного компьютера за 59$ в 2020 году, просто потрясающая. Давайте попробуем использовать этот продукт, чтобы собрать простой вариант домофона, который будет отслеживать всех людей, подходящих ко входной двери вашего дома. С помощью алгоритма распознавания лиц система мгновенно узнает, приближался ли когда-нибудь в прошлом к вашей двери этот человек, даже если в прошлый визит он был одет по-другому.

Вы вряд ли найдете в интернете что-то про разработку ботов, кроме документаций к библиотекам, историй "как я создал такого-то бота" и туториалов вроде "как создать бота, который будет говорить hello world". При этом многие неочевидные моменты просто нигде не описаны.

Как вообще устроены боты? Как они взаимодействуют с пользователями? Что с их помощью можно реализовать, а что нельзя?

Подробный гайд о том, как работать с ботами — под катом.

В своей работе я столкнулся с необходимостью проверить записи звонков на соблюдение сотрудниками скрипта разговора с клиентами. Обычно для этого выделяется сотрудник, который тратит большое количество времени на прослушивание записей разговоров. Мы поставили себе задачу — уменьшить временные затраты на проверку с помощью инструментов автоматического распознавания речи (ASR). Один из таких инструментов мы рассмотрим подробнее.

Nvidia NeMo — набор инструментов машинного обучения для создания и обучения моделей на базе графического процессора.

Модели в составе NeMo используют современный подход к распознаванию речи — коннекционистская временная классификация (CTC).

До СТС использовался подход, при котором входной аудиофайл разбивался на отдельные речевые сегменты и по ним предсказывались токены. Далее токены объединялись, повторяющиеся сворачивались в один, и результат подавался на вывод модели.

При этом страдала точность распознавания, так как слово с повторяющимися буквами не считалось корректно распознанным на 100%. Например, «кООперация» приводилось к «кОперация».

С CTC — все еще предсказываю один токен на временной сегмент речи и дополнительно используем пустой токен, чтобы выяснить где свернуть повторяющиеся токены. Появление пустого токена помогает отделить повторяющиеся буквы, которые не должны быть свернуты.

Для своей задачи я взял одну из моделей (Jasper 10×5) и обучил ее с нуля. Для обучения был выбран публичный датасет телефонных разговоров, содержащий нарезанные аудиозаписи и их транскрибацию.

Чтобы обучить модель, необходимо подготовить файл-манифест, содержащий информацию об аудиофайле и транскрибацию этого файла. Файл манифест имеет свой формат: