Речевые технологии для языка, у которого не было ни одного датасета — на одной потребительской видеокарте
<img src="https://habrastorage.org/getpro/habr/upload_files/e18/b6d/7b6/e18b6d7b6d36f21e3434fe2620cfc83f.png" /><p>Короткая версия: за несколько месяцев на одной домашней видеокарте у крымскотатарского языка появились работающее распознавание речи (WER 0.3463 → 0.1701) и синтез, который прочитал вслух целую книгу — шестнадцать глав, 1 час 58 минут звучания. На обучение моделей из этого ушли часы. Всё остальное время съели данные, проверки и выяснение того, какие из моих собственных измерений врут.</p><p>Вот про эту вторую часть я и хочу рассказать, потому что она переносится на любой язык, а первая — нет.</p><p>Сразу оговорка про то, чего в статье не будет: конкретных источников аудио, договорённостей с правообладателями, точных рецептов пайплайна и внутренних скриптов. Будут метрики, порядки величин, методология проверки и грабли. Грабель много.</p> <a href="https://habr.com/ru/articles/1081242/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1081242#habracut">Читать далее</a>