Открытые проблемы в области распознавания речи. Лекция в Яндексе

[Optik]

Фреймы обычно делают с перекрытием, потому что нужно уловить не только звуки но и переходы между ними. Длительность всего фрейма 25мс, перекрытие со следующим 15мс.

[erwins22]

делать что то типа железного тензорного процессора не собрались?

Нагрузка именно на тензорное вычисление у вас получится большой…

[sterling239]

А как синтез речи в яндексе происходит? Насколько я знаю, есть два с половиной подхода: компоновать заранее записанные фонемы, генерировать спектрограмму, и работающий в 100 раз медленнее реалтайма wavenet. Минус первого — безэмоциональность, минус второго — «железность» звука. Что яндекс делает в этом направлении?

[Regis]

Какой сейчас лучший WER у open source библиотек? Просто интересно, насколько Яндекс лучше?

[Regis]

Насколько результаты распознавания через https://tech.yandex.ru/speechkit/ могут отличаться от распознования приложениями Яндекса?