На Pixel работает новая функция распознавание голоса от Google в автономном режиме

До сих пор Google использовал облачную обработку. Он использует «граф декодера» — компонент алгоритма, который сопоставляет произнесенные слова с написанными словами и занимает 2 ГБ памяти.

Кроме того, процесс распознавания голоса был длительным (пользователи что-то говорили и требовалось время на обработку) и уровень задержки был довольно высоким.

Новый распознаватель речи переводит весь процесс в автономный режим, что означает распознавание голоса будет происходить намного быстрее.

Используя технологию RNN-преобразователь (RNN-T), Google удалось сжать свои речевые алгоритмы, чтобы их можно было легко разместить на смартфоне с небольшим размером 80 МБ.

Для тех кто не знает RNN-T — это тип модели которая обрабатывает всю входную последовательность, непрерывно работая над входными выборками для получения выходных данных.

Благодаря этому улучшенная технология распознает речь по буквам (она транскрибирует, как вы говорите) с гораздо большей точностью для лучшего и быстрого преобразования голоса в текст.

Тем не менее, эта функция в настоящее время доступна на Gboard для пользователей Pixel только и поддерживает американский английский .

Ожидается, что Google в конечном итоге сделает новую систему распознавания голоса доступной на большем количестве языков для других смартфонов.