🗣️ Твой голос → текст: 23 нейросети прошли честный экзамен
🗣️ Твой голос → текст: 23 нейросети прошли честный экзамен IT-блогер на «Хабре» признал: годами советовал не лучшую модель распознавания речи. Пересобрал тест по-научному — и его прошлая рекомендация устарела. Распознавание речи (ASR — технология, которая превращает голос в текст) кажется простым, пока не продиктуешь «задеплой feature в production». Оказалось, многие модели спотыкаются на IT-терминах. Автор прогнал 23 нейросети в 60+ настройках на русско-английском корпусе из «айтишных» слов — это 100 000+ прогонов и 120+ часов работы одной видеокарты. Как собеседование для 23 кандидатов с одинаковыми вопросами: сразу видно, кто умеет, а кто блефует. Главный сюрприз: прежний фаворит — Whisper Large v3 от OpenAI — больше не на пьедестале. Его обошла Breeze ASR 25 от MediaTek Research — «дочка» Whisper, дообученная на смеси мандаринского и английского. Навык переключения языков перенёсся и на русский+английский — неожиданно хорошо. Вывод: бенчмарки устаревают за пару месяцев. Выбираешь модель для диктовки — смотри свежие сравнения, а не советы годичной давности. А какой моделью диктуешь ты — или всё ещё правишь ошибки руками? 👇 #ИИ #Нейросети #РаспознаваниеРечи