Silero News

Сравнение систем распознавания русского языка 2024

⬆️ https://habr.com/ru/articles/849932/ ⬆️

Если у вас есть аккаунт с правом голоса, то можете поддержать статью своим ⬆️

🚀 Мы тут недавно докатили новое поколение STT моделей у себя. Под это запилили сравнение метрик.

🤯 Мы думали, что будет ситуация в духе "lie down and rot", то есть грубо говоря на каждый наш рубль Сбер тратит 1 000 рублей, но наша новая "медленная" модель (конечно, она не рекуррентная) нас очень сильно удивила. Как все проснутся, опубликую статью на Хабре.

🧪 Мы раскатили её в нашего тестового бота для распознавания - @silero_audio_bot.

⚙️ Ещё будут раскачены наработки по улучшению потоковой сегментации аудио, но это отдельно ещё накатим.

Особенности фонетики якутского языка для синтеза речи

Недавно мы закончили проект по синтезу якутского языка.

Хотя мы не можем выложить модели в общий доступ, соображениями на тему того, как можно делать синтез якутского языка мы поделиться можем.

🐱 Под котом катом вы узнаете:

- Как звучит синтез на якутском языке;
- Чем отличается якутский алфавит от русского и какие "дополнительные" звуки там есть;
- Как работать с ударениями на якутском языке;
- Как якутский синтез речи говорит на русском с якутским акцентом;

⭐️ https://habr.com/ru/articles/837364/

Поэма «Облако на кухне» придумана человеком, написана, озвучена и нарисована машиной. Использованы отечественные нейросети.

Раз наш VAD, будучи полезной тулзой (судя даже по цитатам в пейперах), дошёл наконец-то до версии близкой к ультимативной, то мы аж запулили его в PIP:

- https://pypi.org/project/silero-vad/5.1/

Забавно, что имя silero-vad там уже было занято, но люди по доброте душевной отдали его нам "обратно".

Как использовать через pip:

- https://github.com/snakers4/silero-vad?tab=readme-ov-file#fast-start

🚀

⬆️https://habr.com/ru/articles/825208/ ⬆️

🚀 Silero VAD v5, в 3 раза быстрее, теперь с поддержкой 6 000+ языков!

- Поддержка 6 000+ языков;
- TorchScript стал в 3 раза быстрее, ONNX на 10%;
- Существенно повышена устойчивость на шумных данных;
- Рост качества на 5-7%;
- Переход на фиксированный размер окна;
- Добавлены метрики на 9 датасетах (7 публичных, 2 приватных);

🔗 https://github.com/snakers4/silero-vad/releases/tag/v5.0

Всё, Телеграм теперь уподобился «плохим» корпорациям?

https://habr.com/ru/articles/816423/

⬆️ Фармим классы на Хабре https://habr.com/ru/articles/806857/ ⬆️

https://news.mail.ru/incident/59854293

⚡️2 вакансии, Junior и Middle, Speech, ML от Силеро

🗜 Выжимка

Основное место работы
Выпускники или студенты последнего курса (для Junior)
ssh, встречаемся 1 раз в неделю оффлайн (Москва)
Не рассматриваем сочетание с лабой / другой работой и т.п.
Финальное собеседование очное с командой в Москве

🛠 Что реально надо делать

Разработка на питоне
Работа с данными, сбор и очистка данных
Обучение нейросетей и разработка ML алгоритмов
В первую очередь синтез речи и вспомогательные задачи
Разработка и поддержка продуктовых сервисов (для Middle)

📚 Идеальный кандидат

Python + PyTorch
Есть понятные пет-проекты или опыт (не платные курсы)
Прошарен(а) в экосистеме Linux, работешь в консоли
Прочитал(а) seminal papers (CV, NLP, ASR, TTS)
Имеешь свое аргументированное мнение на эту тему (для Middle)
Оконченное (или последний курс) высшее в тех. и естественно-научных дисциплинах
Участие в запуске продакшен-продукта (для Middle)
Цифровая обработка сигналов это плюс

🔗 Ссылки

Подробное описание вакансии - ссылка
Наши публикации на Хабре - ссылка
Полный список публикаций - ссылка
Бот с нашим синтезом в Телеграме - ссылка

💌 @silero_job

❤️‍🔥 Спасибо Синодову за упоминание!

https://t.me/thinkaboutism/4230

Автор на Хабре продемонстрировал как сильно Silero TTS отстаёт от решений гига-корпораций ... но есть нюанс

⬆️https://habr.com/ru/articles/768424/⬆️

Не секрет, что отношение шума к сигналу на Хабре неуклонно растет. "Настоящие" авторы уходят с Хабра потому, что просто качественный технический контент может пройти незамеченным.

На любом "выжившем" ресурсе создавшийся вакуум заполнят авторы с пониженным уровнем критического мышления или ответственности (мы это кстати ярко видим на Пикабу, после отмены "минусов").

Зачем же я пишу эту статью? Совсем недавно на Хабре вышла статья, и судя ее оценкам, публике она зашла. В статье сравнивались разные системы синтеза речи, в частности публичная версия нашего синтеза речи и решения гига-корпораций.

Мнение автора просуммирую точной цитатой: "Даже на таком небольшом тесте мы видим, как отстает силеро. … Конечно, такое небольшое сравнение не сможет показать всей картины, но мы уже видим примерное качество. … Я не питаю к Silerо tts никакого негатива, но после слов про 100% решения ударений в этой статье, и убедившись в обратном на основании результатов теста, слегка разочарован."

И вы спросите что с этим не так? Человек бесплатно прорекламировал нас в одном ряду с гига-корпорациями. Но есть один нюанс. Все эти выводы в большей степени не имеют никакого отношения к реальности. Давайте разбираться.

⬆️https://habr.com/ru/articles/768424/⬆️

Быстрый денойз аудио в высоком качестве

Довольно давно мы сделали у себя в целом простой нетребовательный денойз, а выложить модели как-то руки всё не доходили, очень много незапланированных событий.

Решили наконец-то исправить данное недоразумение.

⬆️ https://habr.com/ru/articles/768270/ ⬆️

Синтез речи для наших клиентов стал до 4 раз быстрее

🙈 Совсем забыл сюда написать.

🎙Синтез речи для наших клиентов стал до 4 раз быстрее. Если раньше у нас было две модели - качественная и быстрая, то сейчас одна модель и быстрая и качественная.

⚙️ Полные сайзинги мы не обновляли, но и простые замеры рассказывают почти всю картину. В шапке таблицы - потоки процессора (1 ядро = 2 потока).

📺 Переозвучка сериалов 📺

📼 В этом видео - моя переозвучка нового сериала Асока голосами из игр.

😱 Может в это тяжело поверить, но все реплики записаны мной и переозвучены голосами персонажей через @silero_voice_bot

📎 Использованные персонажи:

Warcraft: Вариан Ринн, Кель, Джайна.
Ведьмак: Весемир, Цирилла, Йенифер, Ламберт, Вивьен, Авалах.
Сталкер: Монолитовец.
Дота 2: Кунка.
Atomic heart: Храз.

🔥 В скоро времени появятся новые проекты с теми самыми голосами, нам есть чем удивить 🔥

🔗 Ссылка на бот - https://t.me/silero_voice_bot

Вчера мне в личку несколько десятков раз прислали это видео с просьбой прокомментировать. Чтобы повторно не отвечать всем в чатиках, запилил эту статью. Это видео дальше пошло в спортлото на Пикабу и DTF. На обеих площадках есть интересные комментарии, причем на DTF как мне кажется люди были ближе к истине.

Сначала кратенько адресуем целенаправленно эмоциональную подачу материала. Как правило, это один из стандартных приёмов, когда некая "заряженная" информация подается в максимально популистском информационном ключе "в пользу бедных" (или его вариация, "подумайте о детях"), а на самом деле реальные причины / логика / принципы работы ML-моделей игнорируются. Как правило такие процессы возникают не на пустом месте, а во время неких тектонических сдвигов в технологии и индустрии.

Видео длинное, я выделил из него ключевые тезисы. На каждый тезис я дам свой комментарий, а потом приведу свою гипотезу о реальных первопричинах появления этого видео.

https://habr.com/ru/articles/758304/