Sun'iy intellekt dasturlashida ASR: texnik atamalarni aniqlash
Ovozli dasturlashda nutqni tanish sifatini baholash. GigaAM, T-one va Whisper modellarini taqqoslash hamda WER metrikasining kamchiliklari.

O'tgan yilning noyabridan buyon muallif o'zi uchun Dark Software Factory qurib, dasturlashning katta qismini ovoz yordamida amalga oshirib kelmoqda. Vaqt o'tishi bilan oddiy tajriba mahsulotlarni istalgan joyda yig'ish imkonini beruvchi qulay jarayonga aylandi. Bunday avtomatlashtirilgan fabrikalarning asosiy qismi ASR (nutqni avtomatik tanish) bo'lib, uning aniqligi butun jarayon tezligini belgilaydi.
- 1000 ta ovozli yozuv (20.3 soat audio, 7 ta so'zlovchi) asosida PDLC'ga yo'naltirilgan maxsus bençmark yaratildi.
- 18 mingdan ortiq so'z shakllaridan 454 ta texnik atama ajratilib, har biri audioda belgilab chiqildi.
- Barcha modellar (GigaAM, T-one va Whisper) GPU ishlatmasdan, faqat CPU'da (AMD Ryzen 5 3600) sinovdan o'tkazildi.
- Klassik WER metrikasi dasturlash uchun xavfli ekani aniqlandi, chunki qisqa atamalardagi xatolar umumiy statistikada bilinmay ketishi mumkin.
Ma'lumotlar bazasi va sinov metodologiyasi
Obyektiv sinov o'tkazish uchun muallif o'zining yozuvlari va ochiq manbalardagi podkastlardan iborat dataset yig'di. Nutq o'z ichiga so'zlashuvdagi rus tili, anglitsizmlar, jargonlar va chet tildagi atamalarni oladi. O'n sakkiz mingdan ortiq so'z shakllari orasidan 454 ta o'ziga xos atama tanlab olindi va har biri audioda aniq belgilandi. Bu jarayon muallifning ilgari yirik markirovka platformasini boshqargani tufayli qiyinchilik tug'dirmadi.
Sinov AMD Ryzen 5 3600 protsessori va 63 GB tezkor xotiraga ega kompyuterda bajarildi. Barcha modellar faqat protsessor yordamida ishladi. Asosiy raqobatuvchi modellar sifatida GigaAM, T-one va Whisper tanlandi. Sifatni baholash uchun WER (word error rate), CER (char error rate), RTF (real-time factor) metrikalaridan hamda atamalarning aniq mos kelish ulushidan foydalanildi.
Shuningdek o‘qingNeuralink Blindsight: Ilon Mask ko'rish qobiliyatini qaytaruvchi chip haqida gapirdiModellarni taqqoslash natijalari va WER metrikasi
Tezlik bo'yicha GigaAM va T-one protsessorda ajoyib natija ko'rsatdi, Whisper esa tezlatgichlarsiz qiynaldi. Sof WER bo'yicha g'olib GigaAM bo'ldi, bu uning umumiy rus tilini yaxshi tushunishini ko'rsatadi. Biroq, texnik atamalarni aniqlashda boshqa modellar yaxshiroq natija berishi ma'lum bo'ldi. Bu oddiy matn va maxsus texnik so'zlarni tanishda tanlov qilish zarurligini anglatadi.
Maqolada WER metrikasining o'ziga xos xususiyatlari muhokama qilinadi.WER – bu etalonga erishish uchun nechta so'zni almashtirish, o'chirish yoki qo'shish kerakligini ko'rsatadigan oddiy ko'rsatkich. Bir xil past WER ko'rsatkichi ortida ham muvaffaqiyat, ham buzilgan funksional yashirinishi mumkin, agar xato muhim texnik atamaga to'g'ri kelsa.
Dasturlash va biznes uchun amaliy ahamiyati
Amalda tanib olingan matn maxsus tizimga kelib tushadi va u niyat hamda kod qidirish vazifasiga bo'linadi. Oddiy qidiruvda xatolarga yo'l qo'yish mumkin bo'lsa-da, muhokama qilinayotgan texnik atamaning noto'g'ri tanilishi butun vazifani buzib yuborishi mumkin. Masalan, precision so'zining «прикол»ga yoki nash prod iborasining nash shprotga aylanishi agentning noto'g'ri harakat qilishiga olib keladi.
O'zbekiston va MDH mamlakatlaridagi dasturchilar va texnologiya ixlosmandlari uchun bu kabi tadqiqotlar ovozli interfeyslarni yaratishda tayyor universal modellarga tayanib qolmaslik muhimligini ko'rsatadi. Texnik muhit va jargonlar mavjud bo'lgan sohalarda sun'iy intellekt modellarini maxsus moslashtirish va qo'shimcha tekshiruv mexanizmlarini qo'llash talab etiladi.



