«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.
Система использует новый, отличный подход по сравнению с созданными ранее.
Работа метода начинается с изучения структуры речи из немаркированного звука. Система сегментирует голосовую запись на речевые единицы, которые приблизительно соответствуют отдельным звукам. Например, слово «кот» включает в себя три звука: «/ K /», «/ AE /» и «/ T /».Систему протестировали wav2vec-U на таких языках, как суахили и татарский, для которых сейчас недоступны высококачественные модели распознавания речи.
«В более общем плане люди учатся многим навыкам, связанным с речью, просто слушая окружающих, — написали 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»
Подписывайтесь на наш TG-канал, чтобы быть в курсе всех новостей и событий!
Фото: Facebook