Комментарии 5
Добрый день!
А подскажите пожалуйста как согласуется это:
И вот это:
И собственно как в Raspberry PI запихнуть обучаемую нейросеть?
Если бы в требованиях к проекту стояло «WiFi» вопросов бы не было. Но как будет «учиться» столь маленький бот?
А подскажите пожалуйста как согласуется это:
IBM Watson services – это когнитивная система, которая умеет обрабатывать естественный язык, распознавать образы и обучаться.
И вот это:
Поддерживаемые цвета для распознавания (пока поддерживается только английская речь): yellow, green, orange, purple, magenta, red, blue, aqua и white
И собственно как в Raspberry PI запихнуть обучаемую нейросеть?
Если бы в требованиях к проекту стояло «WiFi» вопросов бы не было. Но как будет «учиться» столь маленький бот?
Строчка же все объясняет)
"url": "https://gateway-lon.watsonplatform.net/speech-to-text/api"
Добрый,
в целом если разбить на составляющие, то сам Watson это бренд над достаточно большим набором сервисов (Watson Speech To Text (STT), Watson Text To Speech(TTS), Watson conversation, Watson studio, Watson image recognition ...). В зависимости от задач выбирается определенный набор. В данном случае участвует STT, TTS и Watson conversation. STT и TTS могут обучаться. Для этого есть специальный REST API на который необходимо отправить корректно ли отработал сервис и какой результат ожидался. Хотя по моему данный фидбек будет каплей в море. Если использовать сервисы в промышленных масштабах, то делается отдельная инсталляция сервиса, со своими обособленными моделями. А если хочется сделать что-то свое, то отлично подойдет Watson Studio. Тут тебе jupyter, zeppelin, R Studio, pipeline моделей и ускорение на GPU. Сам диалог в данном открытом проекте не самообучается, он основан на древовидных цепочках бесед(JSON, XML). Добавить их динамическое добавление не составит труда, но обычно это делается под определенные сценарии (например служба поддержки клиентов банка).
Думаю WiFI не указали так как он уже встроен в raspberry pi. В целом есть проекты где дообучение моделей происходит на самих устройствах, но в этом случае имеет смысл использования fog computing и других устройств(например Jetson TX2, Jetson nano).
в целом если разбить на составляющие, то сам Watson это бренд над достаточно большим набором сервисов (Watson Speech To Text (STT), Watson Text To Speech(TTS), Watson conversation, Watson studio, Watson image recognition ...). В зависимости от задач выбирается определенный набор. В данном случае участвует STT, TTS и Watson conversation. STT и TTS могут обучаться. Для этого есть специальный REST API на который необходимо отправить корректно ли отработал сервис и какой результат ожидался. Хотя по моему данный фидбек будет каплей в море. Если использовать сервисы в промышленных масштабах, то делается отдельная инсталляция сервиса, со своими обособленными моделями. А если хочется сделать что-то свое, то отлично подойдет Watson Studio. Тут тебе jupyter, zeppelin, R Studio, pipeline моделей и ускорение на GPU. Сам диалог в данном открытом проекте не самообучается, он основан на древовидных цепочках бесед(JSON, XML). Добавить их динамическое добавление не составит труда, но обычно это делается под определенные сценарии (например служба поддержки клиентов банка).
Думаю WiFI не указали так как он уже встроен в raspberry pi. В целом есть проекты где дообучение моделей происходит на самих устройствах, но в этом случае имеет смысл использования fog computing и других устройств(например Jetson TX2, Jetson nano).
Хочу заметить, что если вы хотите купить что-то готовое, то прямо сейчас на Kickstarter идет краудфандинговая кампания похожего устройства под названием Chatterbox на базе Mycroft AI.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
TJBOT как иллюстрация IBM Watson services