GigaAM (Giga Acoustic Model) - семейство акустических моделей для обработки звучащей речи на русском языке.

Среди решаемых задач - задачи распознавания речи, распознавания эмоций и извлечения эмбеддингов из аудио. Модели построены на основе архитектуры Conformer с использованием методов self-supervised learning (wav2vec2-подход для GigaAM-v1 и HuBERT-подход для GigaAM-v2).

Модели GigaAM с отрывом являются лучшими по качеству моделями в открытом доступе для соответствующих задач.

Репозиторий включает:

- GigaAM: фундаментальная акустическая модель, обученная на большом объеме неразмеченных русскоязычных аудиозаписей.
- GigaAM-CTC и GigaAM-RNNT: модели, дообученные на задачу автоматического распознавания речи.
- GigaAM-Emo: модель, дообученная на задачу распознавания эмоций.

https://gitverse.ru/GigaTeam/GigaAM

опубликовано в @gitgate

#russian #speech2text #stt