https://www.opennet.me/openforum/vsluhforumID3/116144.html Разработчики из лаборатории искусственного интеллекта Facebook AI Research представили (https://code.fb.com/ai-research/wav2letter/) первый выпуск (https://github.com/facebookresearch/wav2letter/releases) новой системы распознавания речи Wav2letter++ (https://github.com/facebookresearch/wav2letter/), построенной с использованием свёрточной нейронной сети. В отличие от опубликованного (https://www.opennet.ru/opennews/art.shtml?num=47842) в январе начального прототипа, реализация wav2letter++ полностью переписана на языке C++ с использованием библиотек ArrayFire (https://github.com/arrayfire/arrayfire) и Flashlight (https://github.com/facebookresearch/flashlight) (первый прототип был в форме Torch-модуля на языке Lua). Код проекта распространяется (https://github.com/facebookresearch/wav2letter) под лицензией BSD. Доступны уже натренированные модели (1 (https://s3.amazonaws.com/wav2letter/models/librispeech-glu-highdropout.bin), 2 (https://s3.amazonaws.com/wav2letter/models/librispeech-glu-highdropout-cpu.bin) https://www.opennet.me/openforum/vsluhforumID3/116144.html#54 Mon, 31 Dec 2018 08:06:35 GMT Натренированные модели от предыдущей версии, с этой не стыкуются.<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#53 Thu, 27 Dec 2018 08:49:34 GMT самое интересное можно оставить на потом, в начале возможен модульный pipeline с максимальной разбивкой по задачам, там как раз старые библиотеки пригодятся даже sox c ffmpeg, только не ждите доброго от меня, старого дурака, вот еще вам https://www2.securecms.com/ICASSP2017/Papers/AcceptedPapers.asp http://www.redhenlab.org/home/the-cognitive-core-research-topics-in-red-hen/audio-processing-pipeline<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#52 Wed, 26 Dec 2018 22:28:49 GMT Спасибо! Но в списке, вроде, большинство научные пробы или общие библиотеки для работы с аудио: кое-что старое (yaafe, CLAM), кое-что активное (librosa).<br><br>По ключевому слову "Speaker Diarization" находится действительно кое-что. Самое интересное для получения общего представления было написано всего 7 дней назад!<br>https://medium.com/@jaspreetuseducation/speaker-diarization-22121f1264b1<br>Speaker Diarization - Separation of Multiple Speakers in an Audio File.<br><br>Жаль, что готовое есть только онлайн от Гугла и других гигантов Амазон, Майкрософт.<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#51 Wed, 26 Dec 2018 17:25:32 GMT https://pastebin.com/pystDU4C<br>в рф это уже делали и не раз<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#50 Wed, 26 Dec 2018 14:53:20 GMT Да-с, выходит как бы с нуля начинать.<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#49 Wed, 26 Dec 2018 10:53:40 GMT С OpenGL не перепутал?<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#48 Mon, 24 Dec 2018 17:16:31 GMT OpenCL уже похоронили, теперь все верят в Vulkan<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#47 Mon, 24 Dec 2018 11:38:00 GMT вообщем, как-то так это выглядит: speaker diarization system (sad/vad + change point detection in time series + counting + indexing + segmentation + homogeneous model forming + reducing the dimensionality + clustering + re-segmentation + tracking)<br> https://www.opennet.me/openforum/vsluhforumID3/116144.html#46 Mon, 24 Dec 2018 09:58:33 GMT не попроще (speaker recognition/speech recognition), попроще можно привязать к другой биометрии<br>