Mozilla hat seine automatische Speech-to-Text-Engine Deepspeech in einer neuen Version 0.6 veröffentlicht. Die Engine für Automatic Speech Recogniton (ASR) enthält laut dem für Machine-Learning zuständigen Entwicklungsleiter Reuben Morais eine Reihe neuer Features.
Daneben sind Leistungsverbesserungen ein weiterer Pluspunkt der neuen Ausgabe. Anwendungs-Entwickler seien dadurch nicht gezwungen, ihre Systeme für Deepspeech feinzutunen. Der neue Streaming Decoder stelle in diesem Zusammenhang den größten Fortschritt dar. Er ermögliche einen konsistenten Betrieb mit geringen Latenzen und Speicherverbrauch, egal wie lange das Soundmuster sei, so Morais in seinem Beitrag in Mozillas Entwicklerblog.
Weniger latenzen durch den Streaming-Decoder. Quelle: Mozilla
Zudem sei Unterstützung für Tensorflow Lite hinzgekommen. Damit verringere sich die Paketgröße von Deepspeech entscheidend. Tensorflow Lite sei für Embedded- und mobile Geräte optimiert. Das englische Akustik-Modell von Deepspeech sei damit von 188 auf 47 MByte geschrumpft.
Deepspeech liefere zudem Metadaten und Timing-Informationen über das API aus. Damit seien ausgefeiltere Anwendungen möglich, so Mozilla. Das Upgrade auf Tensorflow 1.14 ermögliche zudem neue Trainings-Modelle, die unter anderem doppelt so schnell vonstatten gehen können.
