Ну, есть куча нормальных работ по генерации и детекции парафраз, просто почему-то они до задачи переноса стиля почти не доехали.

Дык они сводятся принципиально к: ну давайте заменим на синоним

всё ж лучше, чем на антоним, как в 90% статей по style transfer :)

Так style transfer у картинок сильно по другому работает

Во многих работах перенос стиля выродился в смену  тональности - поменять негативные отзывы на позитивные. То есть тематика не трогается.

Трудно поставить академическую задачу при тематическом рерайтинге, так как непонятно как оценивать.
Родствено задаче abstractive summarization.

Механизмы копирования и генерации. Если есть генерация, то есть и галлюцинации.
Пока открытая проблема с учетом commonsense.

Но для seo текущего состояния  abstractive summarization достаточно.

Оценивать понятно как: подобно переводу, составить хороший параллельный тестовый корпус, и на нём считать блё, руж, и другие цветные метрики.
Но это дорого, поэтому прощё отзывы с yelp в сотый раз ворошить)

Дохлые все эти метрики для этих задач. В среднем коррелируют, но так себе.
Тут проблема в том, что нет четких ручных оценок.
Какие- то DUC-type  пирамиды очень дороги.

конечно, дорого :)) да ещё и неблагодарная работа безымянных (чаще всего) разметчиков

хочется же слепить побыстрее, да попроще в плане затратности, но чтобы работало вжух!

а то до сих пор непонятно, почему тот же блё до сих пор настолько широко используется, когда очевидно, что в задаче перевода вариативность — это как раз норма

Привет)
Подскажите, кто может помочь с очень верхнеуровневой оценкой двух задач из типа STT и семантическим анализом текста
Тк являюсь новичком в этой области, хотелось бы уточнить у более опытных специалистов

Являюсь специалистом, просто не понимаю аббревиатуру STT,  а что такое семантический анализ текста, вообще никто ничего не знает.
Но конкретные задачи можно решать.

1) Раворачивание open-source проекта speech to text(например kaldi) + дообучение незнакомым словам(+ необходима разметка данных)
2) Как альтернатива 1 варианту, реализация собственного инструмента speech to text, пока просто интересна оценка
2) Семантический анализ по транскрибированным данным, те данным, которые были переведены в текст (слова-парзиты, маты, говорились ли нужные слова по заранее известному скрипту слов, установление причины почему клиент отказался от услуги по заранее подготовленным паттернам+синонимы этих паттернов)

Для начала глубоко не вдаваясь в детали, верхнеуровневая оценка в разрезе количство дней с учетом 1/2/3 человек(человеко-дни), работающих над вышеперечисленными задачками

У меня такой темой занимается студент, только не kaldi, но amazon. И тематика специальной лексики.
Много планов, но ограничено время и свободные ресурсы. Можно специально заняться, но дорого, только коммерчески интерсные решения или значимый научный продвиг.

в профильной группе по распознаванию речи это не так давно разбиралось, вы, вроде, там тоже состоите.

Нет времени все читать, только раз в неделю просматривать.

На мой взгляд основная проблема в том, что современые лучшие нейросетевые языковые модели имеют представления "в среднем" без хвостов.
Причем вы не можете самостоятельно дообучить модели для распознавания. Точнее в kaldi   вроде можно, но  amazon гораздо лучше.

И когда они встречают неизвестное слово, они его часто просто пропускают. Причем пропускают как раз значимые слова в предметной области.

Соответственно задача по максимально короткому контексту прпдсказть, какой состав словаря нужен. Все просто, но миллион нюансов.

Тк это возможно коммерческий проект, желательно, что бы операции не уходили на другие сервера

возможно, сейчас полистаю историю, обычно там очень много обсуждений, бывает не успеваю)

Да, я бы тоже предпочел локальную версию
Но что-то наши эксперименты с  другими вариантами не вдохновляют пока.

А если текст нормально трансаиибирован, то дальше все значительно проще.

Посмотрите vosk. Там же прям докер можно взять, добавить предобученную модель с их же сайта и все сразу полетит. Vosk основан на kaldi, ну или как-то так

для обсуждения vosk, кстати, заходите в https://t.me/speech_recognition_ru, там гораздо больше полезной информации