Conformer2

Conformer-2 è uno strumento avanzato di riconoscimento vocale che migliora l'accuratezza e la velocità della trascrizione, gestendo senza problemi condizioni audio difficili.

Conformer-2 si basa sul successo del suo predecessore, Conformer-1, incorporando miglioramenti significativi che lo aiutano a decodificare meglio i nomi propri, i termini alfanumerici e a funzionare eccezionalmente bene anche in ambienti rumorosi. Questo aggiornamento deriva da un ampio addestramento su una vasta collezione di dati audio in inglese, garantendo che possa comprendere il parlato in una varietà di contesti.

Uno dei principali vantaggi di Conformer-2 è che non aumenta il tasso di errore delle parole rispetto a Conformer-1, eppure offre metriche migliorate su misura per le esigenze degli utenti. Ciò significa che, mentre sta migliorando nel riconoscere il parlato, mantiene comunque un alto livello di accuratezza. Per raggiungere questo obiettivo, il team di sviluppo di Conformer-2 si è concentrato sull'espansione della quantità di dati di addestramento e sull'utilizzo di più pseudo-etichettature, contribuendo a rafforzare le prestazioni del modello.

Inoltre, le modifiche apportate al pipeline di inferenza hanno ridotto significativamente il tempo necessario a Conformer-2 per elaborare l'audio, rendendolo complessivamente più veloce rispetto al suo predecessore. Questo è un miglioramento cruciale poiché consente agli utenti di ricevere risposte più rapidamente, un grande vantaggio nelle applicazioni in tempo reale.

Un aspetto innovativo di Conformer-2 è il suo metodo di addestramento che impiega l'assemblaggio di modelli. Invece di fare affidamento su una singola fonte per l'etichettatura, questo modello attinge a più fonti o "insegnanti". Questo approccio crea un modello più flessibile e resiliente riducendo l'impatto delle carenze di un singolo modello.

I creatori di Conformer-2 hanno anche prestato particolare attenzione alla scalabilità sia dei dati che dei parametri del modello, rendendo il modello più grande e aumentando la varietà di audio di addestramento utilizzato. Facendo ciò, hanno sfruttato il potenziale inespresso suggerito dalla ricerca 'Chinchilla' per i grandi modelli di linguaggio, consentendo a Conformer-2 di operare in modo più efficiente e veloce, sfatando lo stereotipo che i modelli più grandi siano sempre più lenti e costosi.