SberDevices анонсировала семейство моделей с открытым исходным кодом GigaAM.

Они предназначены для корректного распознавания русского языка и эмоций. Их можно использовать для написания научных статей и дипломных работ.

Семейство состоит из трех нейромоделей: GigaAM, GigaAM-CTC и GigaAM-Emo.

GigaAM — Audio Foundation Model, предобученная на русской речи. Она нужна для адаптации под различные задачи работы со звуком, включая распознавание речи и эмоций, определение диктора и многие другие.

GigaAM-CTC является моделью для распознавания русскоязычных запросов. По данным компании, модель допускает в коротких запросах на 20–35% меньше ошибок в словах в сравнении с NeMo-Conformer-RNNT и Whisper-Large-v3.

GigaAM-Emo — это акустическая модель для определения эмоций. Она стала лучшей на крупнейшем датасете Dusha среди известных моделей.

Сравнение GigaAM с аналогами

SberDevices отмечает, что все новые модели размещены в открытом доступе с некоммерческой лицензией.

Новинки доступны на платформе SaluteSpeech API и в приложении SaluteSpeech App. Бизнес сможет интегрировать ботов на их базе в свои решения, а пользователи приложения, к примеру, смогут протестировать распознавание на лекциях или в ходе совещаний.

• До ←

  Вот это комплект. Обзор Infinix Note 40 Pro с топовым чехлом, магнитной зарядкой (да!) и флагманским OLED-экраном

• После →

  США выделили $11,6 млрд на строительство ещё одного завода TSMC по производству процессоров внутри страны