Спасибо. Это голос нашего голосового ассистента, публично будет другой набор голосов.

на 0.53 attention поломалось чтоли. и dataset похоже для unit-selection. одна и та же интонация сверху вниз

@standy а когда уже дадите доступ потестировать? ;) А то новости появляются, и заявку мы давно оставили, аппетит уж разыгрался. )

Ребят, а подскажите по адаптации языковой модели. Хочу чтобы, условно, некий сет команд типа "включи то-то", "открой это" распознавался kaldi более уверенно.

Я так понял, что нужно собрать модель из этого сета команд и прогнать с fst-шкой модели из закрепа с помощью, например, https://github.com/gooofy/kaldi-adapt-lm. Алгоритм такой, или я что-то упустил?

вроде того

Ок, спасибо.

Доброго времени суток всем. Вопрос о pocketsphinx в python. Собственно, pip install pocketsphinx и в бой. Посмотрел много ответов гугла на вопрос о keyphrase и везде написано, что при ключевой фразе, в данном случае активационной, нужно отключать *.lm. Задача сделать постоянное ожидание ключевой фразы, а после ее возникновения ожидать определенную команду с любым параметром (ограниченным словарем и процентом ошибки), то есть пример: "окей компьютер[фраза активации], найди[команда] значение слова[под-команда] рекогносцировка[произвольный параметр]", далее скрипт должен будет найти команду, ее подкоманду и параметр из полученной строчки. Соответственно для ключевого слова просто задается keyphrases.list, для команд создается словарик, а как потом получить произвольный параметр? Нельзя же динамически менять параметры pocketsphinx во время выполнения, чтобы подключить словарь и *.lm? Время инициализации стандартного словаря с фонетикой и *.lm без ключевой фразы примерно 25 сек, CPU отъедает примерно 20-40%. Вопрос как корректно сделать алгоритм под задачу?

Подслова добавить в модель языка. Неизвестные слова тяжело распознавать.

Да даже если они есть в словаре(я там много слов не знаю, пока его читал 😃), вопрос именно о алгоритме. Как с ключевой фразой использовать стандартный словарь? То есть ожидать одну фразу "окей компьютер", после по упрощенному словарю с забитыми в него словами и JSGF определить команду и подкоманду, а далее включить всю мощь стандартной модели для определения произвольного параметра (но он будет ограничен размером словаря и точностью, но это не особо страшно)? (задача не совсем на поиграться, у сестры довольно плохое зрение, поэтому планировал в будущем прикручивать функционал по мере необходимости)

Просто может быть я что-то упускаю, на всякий случай еще раз прочту официальный тутор

а произвольный параметр действительно произвольный? Просто если это число какое-то,то можно задать грамматику. Не знаю покетсфинкса, в других тулкитах это выглядело бы как создание грамматики,которая способна принимать именно твою фразу со всеми вариациями, компиляция этой грамматики,и распознавание. Компиляция грамматик может быть сделана очень шустрой, движок црт и нюанса компилят грамматику из десятков тысяч слов за доли секунды.

а,прочел внимательнее, это ж запрос к словарю. да, если нет заготовленного заранее списка слов, то это прям ресерч, с подсловами и всем таким.

отдельно определять ключевую фразу, звук сохранять. Потом этот звук гнать на распознавалку с большим словарём.

А разве есть возможность распознавать аудио файл динамично? Документация подробная вроде, но вот примеры нормальные отсутствуют, как и особенности методов. Все туторы предлагают для распознавания файлов запускать сфинкс как новый процесс, что быстро работать будет только с правилом грамматики и маленьким словарем, а не с 1+ млн вариантов и 500000 слов

Есть, просто делаете класс, где в конструкторе загружаете все данные, а потом в отдельном методе присылаете аудио для распознавания

Пример есть в моём чат боте с диплома: https://github.com/Desklop/Voice_ChatBot/blob/master/speech_to_text.py

Там используется обёртка для работы с pocketsphinx из python

Ага, спасибо, посмотрю содержание позже

МТС на проводе "мы ищем человека, который-бы развивал направление синтеза речи", пишите, кому интересно.

А локация какая?

Москва