Conformer

Conformer-2 ist ein richtig geiles Modell für die automatische Spracherkennung. Das Ding wurde mit 1,1 Millionen Stunden englischen Audio-Daten gedrillt und baut auf Conformer-1 auf. Durch diese mega Trainingsphase kriegt Conformer-2 richtig gute Upgrades bei Eigennamen, alphanumerischen Dingern und der Widerstandsfähigkeit gegen Krach. Die Technik der Modell-Ensembles, die bei der Entwicklung von Conformer-2 benutzt wurde, bringt mehr Stabilität, weil das Schüler-Modell mit einer breiteren Palette an Verhalten konfrontiert wird. Außerdem wurde die Skalierung von Daten und Modellparametern weiter aufgedreht, was zu einer noch besseren Leistung führt. Und die Inferenz-Pipeline wurde auch noch optimiert, so dass Conformer-2 im Vergleich zu Conformer-1 in Sachen Verarbeitungsgeschwindigkeit um bis zu 55 % schneller ist. Was die Leistung in der Praxis angeht, zeigt Conformer-2 richtig starke Verbesserungen. Die Alphanumerische Transkriptionsgenauigkeit wurde um 31,7 % hochgefahren, die Fehlerrate bei Eigennamen um 6,8 % runtergedrückt und die Robustheit gegen Lärm um 12,0 % gesteigert. Mit dem Release von Conformer-2 kommt auch ein neuer API-Parameter, speech_threshold, mit ins Spiel. Damit können die User eine Grenze für den Anteil an Sprache in einem Audiofile festlegen, der für die Verarbeitung nötig ist.