Какая библиотека под Python наиболее оптимальна для распознавания непрерывной речи?

Question

[Lan_Vanten]

Итак, суть вопроса.Работаю в Python'e, ищу способ распознавания длительной последовательной речи.
Сама речь - аудиорассказы, цель - транскрибация обратно в текст.

Пока что я остановился на pocketsphinx (русский словарь), но и он срабатывает откровенно плохо.

Во-первых слишком медленно.
Во-вторых - он хорош при небольших фразах с чётким делением.Когда же речь непрерывная - дела плохи.

Какие библиотеки вы могли бы посоветовать попробовать с учётом моей задачи?

Answer 1

[Ranwise]

попробуйте https://github.com/alphacep/vosk-api

недавно было в новостях

vosk для локального распознавания слитной речи, поддерживающая русский язык

Comments

[nshmyrev]

И лучше с большой моделью русской alphacephei.com/kaldi/kaldi-ru-0.6.tar.gz, а не с маленькой. Тогда распознавать будет гораздо точнее.

[Lan_Vanten]

Спасибо за информацию, обязательно попробую

Answer 2

[Андрей]

Такие штуки даже у Apple и Google хреновенько работают, не думаю что есть что-то лучше

Answer 3

[Женя]

Не так давно Mozilla выпустила новую версию своей библиотеки с множеством улучшений. Тоже поддерживает разные языки, включая русский. https://hacks.mozilla.org/2019/12/deepspeech-0-6-m...

https://github.com/mozilla/DeepSpeech

Answer 4

[Владимир Олохтонов]

Слышал про попытки использовать вот такое решение: https://cloud.google.com/speech-to-text/
Для русского так же обязательно стоит попробовать решение от Яндекса, оно на данный момент лучшее в этом сегменте: https://cloud.yandex.ru/services/speechkit

На практике работает так себе и в проде обычно speech2text-модели настраивают на обнаружение конкретных ключевых слов, а не полное распознавание речи.