Чому ми не взяли диктування Apple для російської
macOS уміє розпізнавати російське мовлення, але текст приходить без ком, крапок і знаків питання. Сьогодні ми підключили для російської інший розпізнавач — модель Parakeet. Ось навіщо.
Що Apple дає для російської
В Apple два рушії розпізнавання. Новий, SpeechAnalyzer, ми використовуємо для англійської. Для російської в Apple є лише старий рушій диктування, і розділових знаків він не ставить. На виході одна довга стрічка слів.
Візьмімо фразу: «Привет как дела сегодня хорошая погода я хочу пойти на прогулку». Ніщо не показує, де закінчується одне речення й починається інше. Читати можна, але повільно, а перед надсиланням текст доводиться виправляти вручну.
Чому розділові знаки важливі для нас
Вони важливі двічі. Перше — читання: текст без знаків втомлює, а диктування, після якого ви самі розставляєте всі коми, повертає той час, який заощадило. Друге — переклад. Наш застосунок уміє перекладати те, що ви надиктували, а перекладачеві треба бачити, де закінчуються речення. Отримавши нескінченну стрічку слів, він вгадує, і помиляється так, що ви не помітите, доки не прочитаєте обидва тексти.
Тому рушій без пунктуації не годився для головного сценарію: сказати й отримати чистий текст або чисту англійську.
Що ми обрали
Parakeet TDT v3 — модель розпізнавання мовлення від NVIDIA. У ній 0,6 мільярда параметрів, вона розуміє російську та інші європейські мови й сама ставить знаки та великі літери. На Маку ми запускаємо її через бібліотеку FluidAudio, яка готує модель для чипа Apple. Модель завантажується, коли застосунку вперше потрібна, з huggingface.co. Саме мовлення лишається на вашому Маку.
Це справжня ціна. Розпізнавач не із системи — це завантаження й залежність, яку нам підтримувати, а рушій Apple був би простішим. Ми пішли на це, бо інакше вийшов би текст, що ламається вже на першій межі речення.
Чого ми не стверджуємо
Ми не порівнювали модель з усіма розпізнавачами на ринку. Ми порівняли її з тим, що macOS пропонує для російської, і в цьому порівнянні питання вирішила відсутня пунктуація. Наскільки точно вона працює на вашому голосі й вашій лексиці — це ми й далі вимірюватимемо та розповідатимемо, що знайшли.
Сьогодні: застосунок завантажує нашу власну дотреновану версію Parakeet, а налаштування описане в розділі мови та моделі.