Conformer2

Conformer-2 é uma ferramenta avançada de reconhecimento de fala que melhora a precisão e a velocidade da transcrição, lidando com condições de áudio desafiadoras de forma contínua.

Conformer-2 baseia-se no sucesso de seu predecessor, Conformer-1, incorporando melhorias significativas que ajudam a decodificar melhor nomes próprios, termos alfanuméricos e a ter um desempenho excepcional mesmo em ambientes barulhentos. Essa atualização vem de um extenso treinamento em uma vasta coleção de dados de áudio em inglês, garantindo que possa entender a fala em uma variedade de contextos.

Um dos principais benefícios do Conformer-2 é que ele não aumenta a taxa de erro de palavras em comparação com o Conformer-1, mas oferece métricas melhoradas adaptadas às necessidades dos usuários. Isso significa que, enquanto está melhorando no reconhecimento de fala, ainda mantém um alto nível de precisão. Para alcançar isso, a equipe de desenvolvimento do Conformer-2 se concentrou em expandir a quantidade de dados de treinamento e utilizar mais pseudo-rótulos, ajudando a fortalecer o desempenho do modelo.

Além disso, ajustes feitos no pipeline de inferência reduziram significativamente o tempo que o Conformer-2 leva para processar áudio, tornando-o mais rápido em geral do que seu predecessor. Essa é uma melhoria crucial, pois permite que os usuários recebam respostas mais rapidamente, uma grande vantagem em aplicações em tempo real.

Um aspecto inovador do Conformer-2 é seu método de treinamento que emprega agrupamento de modelos. Em vez de depender de uma única fonte para rotulagem, este modelo utiliza múltiplas fontes ou "professores". Essa abordagem cria um modelo mais flexível e resiliente, diminuindo o impacto das falhas de qualquer um dos modelos.

Os criadores do Conformer-2 também prestaram atenção especial à escalabilidade tanto dos dados quanto dos parâmetros do modelo, tornando o modelo maior e aumentando a variedade de áudio de treinamento utilizado. Ao fazer isso, eles exploraram o potencial inexplorado sugerido pela pesquisa 'Chinchilla' para grandes modelos de linguagem, permitindo que o Conformer-2 opere de forma mais eficiente e rápida, quebrando o estereótipo de que modelos maiores são sempre mais lentos e mais caros.