Kaldi ASR Reseñas y Detalles del Producto

Es un conjunto de herramientas de código abierto y muy bien mantenido por el grupo central del laboratorio de reconocimiento de voz de la Universidad Johns Hopkins. Podemos extraer varias características de última generación, como i-vector y x-vector, que se pueden utilizar para diversas tareas relacionadas con el habla. Para tareas relacionadas con el habla, podemos lograr resultados de última generación. Reseña recopilada por y alojada en G2.com.

La instalación de Kaldi con soporte para GPU es una pesadilla para mí. Reseña recopilada por y alojada en G2.com.

Las ventajas de Kaldi son que, una vez que lo conoces muy profundamente después de mucha experiencia, las posibilidades se vuelven bastante infinitas para personalizar modelos acústicos. La comunidad de usuarios de Kaldi es bastante amplia e interactiva, y es probable que alguien haya tenido el mismo problema que tú si solo sabes qué buscar. Hay muchas herramientas útiles en la carpeta utils/, aunque todas necesitan una personalización exhaustiva para un uso adecuado en la construcción de modelos, ya que el proceso es inherentemente impulsado por los datos. Kaldi se siente como un rompecabezas enorme, y armarlo es bastante gratificante de una manera extraña y masoquista. Es genial que, al ser basado en la comunidad, haya muchas recetas preexistentes que son fácilmente personalizables para varios casos de uso y que puedas contribuir con tu propia receta. Mi propio santo grial al que siempre vuelvo es el tutorial de Eleanor Chodroff para construir modelos acústicos de Kaldi, ya que describe la estructura de datos particular requerida para el proceso. Reseña recopilada por y alojada en G2.com.

Bueno. Hay muchos problemas que debo abordar en relación con Kaldi. Esto es solo algunas de esas cosas que todos saben y han aceptado, pero la conclusión es que actualmente Kaldi no es fácil de usar ni intuitivo. Aunque hay muchas recetas, todas son casi inútiles porque todas necesitan ser personalizadas a fondo, ya que el objetivo de crear un modelo ASR personalizado es que esté completamente basado en datos. No hay explicaciones sobre qué son las muchas utilidades o por qué deben ocurrir en qué orden. La única manera de aprender a usar Kaldi es a través de un exhaustivo ensayo y error. Si intentas hacerle preguntas a Dan Povey en el foro, recibirás una respuesta pasivo-agresiva disfrazada de consejo diciéndote que cambies de carrera y dejes de hacer reconocimiento de voz. Todo el marco es tan poco intuitivo que no tiene sentido. Literalmente, cualquier interfaz de usuario o alguna instrucción más comprensiva y directa sería genial.

Lo que también me molesta es que hay tantos sistemas de representación del lenguaje fantásticos con los que se puede hacer un gran LM, pero dado que Kaldi solo funciona con el formato ARPA, no permite ningún gran progreso en la calidad del ASR en lo que respecta a los LMs.

Otra cosa es que si cometes un error, prácticamente tienes que empezar de nuevo. Especialmente dado que Kaldi está tan basado en datos, es particularmente difícil automatizar los procesos de construcción de AM, lo cual es un obstáculo para el crecimiento de la empresa si Kaldi es la herramienta principal que se utiliza allí. Reseña recopilada por y alojada en G2.com.

Creación de modelos de lenguaje y creación de FST. Reseña recopilada por y alojada en G2.com.

La generación de léxicos requiere la ayuda de lingüistas si los datos de léxicos de código abierto no están disponibles. Reseña recopilada por y alojada en G2.com.

Velocidad, precisión. Hace el trabajo más sencillo. La velocidad fue excelente. Toda la documentación estaba allí. La instrucción fue realmente útil. No hay otra herramienta como Kaldi para implementar la conversión de voz a texto. Reseña recopilada por y alojada en G2.com.

Compatibilidad del sistema operativo. Me enfrenté a un problema con el sistema operativo Windows. Kaldi era más rápido en Linux, pero fue difícil de implementar en Windows. Reseña recopilada por y alojada en G2.com.

Tiene fst para LM, lo que lo convierte en una solución muy flexible y personalizable para el dominio de la aplicación objetivo. También genera las marcas de tiempo de los fonemas en la salida ctm, lo que lo convierte en una solución ideal para la sincronización de tiempo y la calibración de la puntuación de confianza. Reseña recopilada por y alojada en G2.com.

Necesita muchos y muchos recursos de memoria para cargar los voluminosos modelos acústicos y los gráficos LM. Reseña recopilada por y alojada en G2.com.

recetas, estabilidad y facilidad de uso,

Personas muy inteligentes y capacitadas trabajaron en ello.

Kaldi es un excelente conjunto de herramientas que lidera continuamente la investigación en tecnologías de reconocimiento automático del habla (ASR). Reseña recopilada por y alojada en G2.com.

El código base está en C++. En la actualidad, si estuviera en Python, sería mucho más accesible para un público más amplio. Reseña recopilada por y alojada en G2.com.

Es muy conveniente y útil convertir archivos de audio en archivos estructurados. Se puede usar en muchos lenguajes de programación, incluidos Python y C++. Su proceso automático ayuda a ahorrar tiempo. Reseña recopilada por y alojada en G2.com.

El manual de Kaldi no es lo suficientemente claro y a veces necesitas buscar en Google y verificar para entender completamente el significado de algunos parámetros. Reseña recopilada por y alojada en G2.com.

La herramienta Kaldi es muy rápida y fácil de manejar. Reseña recopilada por y alojada en G2.com.

Al principio, es difícil de aprender. Si lo estás aprendiendo solo, entonces parece difícil de usar. Reseña recopilada por y alojada en G2.com.

Las características. Como múltiples algoritmos para la extracción de características. Soporte para muchas arquitecturas neuronales. Reseña recopilada por y alojada en G2.com.

A menos que seamos expertos en C++, es bastante difícil hackear el código fuente. Reseña recopilada por y alojada en G2.com.

acceso fácil a guiones de muestra para construir modelos basados en el habla. Reseña recopilada por y alojada en G2.com.

No puede manejar modelos de arquitectura de extremo a extremo. Se debe proporcionar una provisión para ellos. Reseña recopilada por y alojada en G2.com.