Искренне верю, просто у этих ребят есть немецкая и английская модели, они могут быть полезны. К слову сказать, а как нормальные люди определяют язык диктора? (к примеру есть 3 записи на 3х разных языках, как автоматизируется процесс выбора нужной языковой модели?)

Модели все заменяемые, можно их просто использовать

Определение языка в kaldi есть

Видимо до этого я ещё не добрался) а в моделях, я видимо что-то упускаю постоянно, буду дальше ковыряться, благодарю

Натренировал тут модельку https://github.com/alphacep/tn2-wg

Над ударениями надо работать будет

а как с wavernn звучит?

rnn не наш метод

flow пока вроде еще не сильно надежно. узнать хоть что шумит

да недотренированная ещё поэтому шумит. И ещё 40 мел там всего 8 кгц для телефона.

Из серии - новые примненеия распознавания речи:

https://baaltii1.livejournal.com/200269.html

Моя гипотеза состоит в том, что в том потоке слов, который мы слышим по радио, есть регулярности по привязке определенных слов или слов из определенных ко-смысловых групп к моментам времени (с секундной точностью) не известные сознаниям тех, кто эти слова произносит. Дальше берется хорошее voice recognition software которое может генерить транскрипты  с time stamps на отдельные слова и составляется большой массив последовательностей моментов времени произнесения каждого из тех слов, с которыми у людей наиболее часто случаются синхронии. После этого в этих последовательностях нужно искать отклонения от случайности.

Что под kws на русском посоветуете использовать?
Калдиевский https://kaldi-asr.org/doc/kws.html или ещё что то?

Ну да

Ок, закопаюсь в него. Просто что-то WER под 40%, заявленный в доке https://pdfs.semanticscholar.org/3119/267d581fb65c3866ded0c194cfac76cc349a.pdf, не очень впечатляет :)

Насколько можно ожидать снижения на русском датасете при том, что они, как я понял, пример делали для языков с малым количеством данных?

На телефонных звонка WER 15-20% в хорошем качестве записи около 35% для плохого качества записи, лучше чем у гугла и яндекса. В статье базы для редких языков по 10 часов каждая, это совсем о другом.

Ок, пазл складывается. Спасибо :)

Всем привет!
Нужен Python программист.
Требуется разработать систему автоответов на базе CMU Sphinx подключенной к SIP телефонии.  Опыт работы со сфинксом обязателен.

@nshmyrev Привет! Может стоит как-то систематизировать вакансии в чате, чтобы они всегда были в минутном доступе для всех желающих?

Можно, а какие предложения?

я думаю, лучше проставить хештег #работа или #вакансия.  Это уже будет достаточно и ничего не потерялось в потоке общения.
Остальные способы, по моему мнению, будут не эффективны для людей, которые ищут узкоспециализированных спецов.

к сожалению, ТГ не хватает общей "площади", где будут публиковаться в одном месте какая-то информация.
Надеюсь, Паша перехантил к себе людей из Янлекс.Дзен и они ведут над этим работу