Синтез речи на длинной дистанции: роман на 1 ч 58 мин против 14 проверочных фраз
В первой статье серии была таблица про то, как синтезированный голос прочитал целую книгу: роман Шамиля Алядина «Merdiven» («Лестница»), 16 глав, 15…
Последние новости
⚑ Сообщить о проблемеTech news from the best sources
Все темы
- Искусственный интеллект, машинное обучение, нейросети
- Новости сети
- автомобили, мотоциклы, транспортные средства
- вирусы, трояны, уязвимости в ПО, вопросы безопасности
- игры
- мобильные телефоны, смартфоны, сотовая связь, коммуникаторы, КПК
- процессоры
AI-агенты
LLM
Python
ai
ai-агенты
claude
linux
llm
open source
python
ruvds_статьи
Новости
Статьи
автоматизация
ии
ии-агенты
информационная безопасность
искусственный интеллект
машинное обучение
нейросети
программирование
разработка
тестирование
Почему одного Whisper оказалось мало: ASR на 100 песнях для домашней игры
К Новому году мы с друзьями договорились, что каждый подготовит по конкурсу. Мне хотелось сделать что‑нибудь музыкальное, а …
Локальный speech-to-text сервер, или как избавиться от SpeechKit
Мы пару лет были партнерами Yandex Kazakhstan, у нас есть своя речевая аналитика, под капотом были SpeechKit для распознавания голос в текст, и Yand…
ASR для языка, которого Whisper почти не знает: LoRA за полтора часа — и почему полдела сделал декодер
В первой статье серии я рассказывал про речевые технологии для крымскотатарского в целом и обещал отдельно разобрать распознавание. Разбираю. Итогов…
Речевые технологии для языка, у которого не было ни одного датасета — на одной потребительской видеокарте
Короткая версия: за несколько месяцев на одной домашней видеокарте у крымскотатарского языка появились работающее распознавание речи (WER 0.3463 → 0…
Собеседник замолчал или просто задумался: как мы учили голосового ассистента не перебивать людей
«Мой номер заказа... сейчас, секунду...» — и бодрое «Да, я вас понял, минуточку!» прямо в середину фразы. Все, кто звонил в поддержку за последние п…
AudioToText: управление требованиями через записи встреч
Как превратить записи встреч в рабочий материал для согласования требований: текущая версия проекта AudioToText. В статье показываю, как собрать сер…
audiogear: как разметить миллионы аудиозаписей для TTS
Конвейер на Python + Hydra, который превращает папку с аудио в богато размеченный датасет: качество речи, просодия, разборчивость, спикер, транскрип…
Погружаем модели в сказки русские, да рассказы древние – тестируем возможности Qwen и Whisper на дореволюционномъ
Хотите не забывать детали диалога или то, что вас просили купить в магазине? Конечно, можно по старинке открывать блокнот в телефоне или чат в избра…
Что под капотом у ИИ-агента для отдела продаж: архитектура, код и грабли
«ИИ-агент для продаж» на демо выглядит как одна кнопка: подключил, и он сам слушает звонок и ставит задачу в CRM. В проде между этими двумя точками…
Почему WER недостаточно: Семантическая декомпозиция ошибок ASR
В продуктах, построенных поверх моделей распознавания речи (Automatic Speech Recognition models, ASR), качество распознавания речи напрямую влияет н…