Conformer

Eh bien, le Conformer-2, c'est le must en matière de reconnaissance vocale IA! Entraîné sur 1,1 million d'heures de données audio en anglais, ce modèle est une vraie révolution. Il apporte des améliorations notables sur les noms propres, les alphanumériques et la résistance au bruit. Le Conformer-2 s'inspire des lois de scalabilité des données et des paramètres du modèle présentées dans le papier de DeepMind's Chinchilla. L'équipe de recherche a poussé l'entraînement plus loin en utilisant l'ensemblage de modèles et en augmentant la quantité de données. Du coup, on a une amélioration de 31,7 % sur les alphanumériques, 6,8 % sur le taux d'erreur sur les noms propres et 12,0 % en résistance au bruit. En plus, ils ont réussi à baisser la latence de l'inférence jusqu'à 53,7 %! Le modèle est entraîné sur un cluster de calcul GPU de 80GB-A100s, ce qui permet une vitesse d'entraînement plus rapide. Avec le lancement du Conformer-2, une nouvelle fonctionnalité est arrivée : le paramètre speech_threshold. Ça permet aux utilisateurs de définir un seuil pour la proportion de parole dans un fichier audio à traiter. Comme ça, on peut mieux gérer les coûts. Le Conformer-2 est accessible via l'API et c'est devenu le modèle par défaut. Les utilisateurs actuels ont accès à de meilleures performances sans avoir besoin de changer quoi que ce soit. Ils peuvent aussi l'essayer via le Playground ou l'API gratuite. C'est trop cool!