(блог) Инфраструктура НМП

(обсчитался малость - удалил тем более на главную попало)

Российская цыфра, бессмысленная и беспощадная.

Яндекс припух конечно такие тарифы выставлять на распознавание аудиоречи.

(слайд один) единица тарификации 1 секунда - 10 копеек. Т.е. чтобы не тратить время на втыкание на ю-туперов даже на двухскоростной перемотке - а сейчас "передачи" пошли по часу в среднем - 3600 секунд это 360 рублей...

Скорость говорения 100 слов в минуту с паузами там и прч в среднем 50. Скорость чтения до 400. При этом в любой речи куча мусора. Вот и считайте. Экономию. Т.е. ю-туп можно только в режиме фона слушать, это же кстати панельных посиделок касается. На профессиональных иногда проскакивают интересные моменты Люди проговариваются, но отслушивать уже обычно многочасовую болтовню сложно даже в фоновом режиме.

Ну ладно отвлекся... по поводу ценообразования.

Сколько там затраты электроэнергии сервера на обработку, его CAPEX, затраты на ФОТ погромистов, которые адаптировали с достаточно большой вероятностью бесплатные алгоритмы? (а сейчас чаще всего _тупо_ гоняли халявные корп данные в готовых нейронных сетях)...

У гугля за 0,004 американского доллара за минуту (слайд два) или секунда меньше копейки. Спасибо братушкам индюкам - IBM ( https://www.ibm.com/cloud/watson-speech-to-text/pricing ) сошел с дистанции...

AWS ( https://aws.amazon.com/transcribe/pricing/ ) еще дешевле.

У майкрософта ажур ( https://azure.microsoft.com/en-us/pricing/details/cognitive-services/spe... ) - ценовая политика как обычно запутанная, но тоже вроде недорого.

Так и живем. Думаю яндекс такой дорогой, потому что заказчик у него госсектор, ну или корп, ну или "заказчик" не нужен и так хорошо. На такси с монопольным положением на рынке и доступом к Ресурсу, проще зарабатывать (по аналогии с расценками на наши ЦОДы, бгг).

Опенсрс?

Старичок https://cmusphinx.github.io/ - ржака, но кстати в прошивках некоторых коммерческих мобильников встречаются следы... т.е. встраивают в. ( Акустические модели не обновляются с 2016 года )

http://julius.osdn.jp/en_index.php - 2014 год
https://kaldi-asr.org/
https://mycroft.ai/ - недоалиса

Ну и ... https://commonvoice.mozilla.org/en ,

https://github.com/mozilla/DeepSpeech (модель для языка китайская, науч работа спонсировалась байду, что как бы все намекает ).

У фейсбуха был https://github.com/flashlight/wav2letter стал https://github.com/flashlight/flashlight . ( для компании с таким капиталом выглядит убого достаточно, моделей языков нет просто считалка).

Короче ничего особенного. Распиаренные нейронные сети... готовых нет.

Коммерческих продуктов в том числе на оных конечно пруд пруди, но... там у большинства как минимум специальные условия использования, которые с улицы то и не узнаешь...