exp31/10

exp31/10

A partir de experimentos que hice, revisiones y tiempo que he dedicado para el código y para mi propia esposa, y el ensayo y el error, esta es la información que he obtenido.

robodienst.com. La infraestructura es casi gratis a cualquier escala

ASR Local

Probando si los modelos de ASR son utilizables (multilingues, rápidos y precisos)

Actualización de contendientes ahora parakeet-Redux, Voz (Ant Labs), whistle, zipformer

parakeet-Redux: sufiEficientemente, preciso y rápido.

Voz: Casi igual que para kit, solo vale la pena probar en Mac y iOS. Parece que ahí está optimizado, pero por lo demás incluso consume más que para kit Redux. Es casi lo mismo que para kit V3.

zipformer: Muy rápido y se puede utilizar en Android, pero la precisión es verdaderamente mucho más baja y no se puede arreglar con el pulido.

Bench pulido:

Probar si un modelo muy pequeño puede hacer el pulido necesario. Un modelo local rapido.

Gemma 4B , Qwen, Phi 4, Codex X

El problema principal son los nombres propios y verdaderamente un pulido no puede arreglar si ha habido una mala transcripción, se requiere una base buena (Muy difícil de aregalar zipformer)

Los modelos pequeños probados se confunden y hacen la acción en vez de solo la transcripción y no son lo suficientemente fiables para reemplazar los nombres propios. No valen la pena todavia.

Se tiene que llegar más o menos a la inteligencia de Gema X para que sea buena de polido.

Desser ant Labs

Muy interesante y los que más son relevantes para mí son Voz, clear.

Ya mencioné de Voz y sobre Clear verdaderamente si hace una mejora, no soy tan experto en eso, pero de lo que sé, si hace una mejora considerable y casi no tiene downsides, así que por su peso es bueno y utlizable. Especialmente para cosas ruidosas. no es nada milagroso.