Pronunciada
оценка произношения на устройстве с точностью облачных сервисов
2 мин чтенияобновлено
Библиотека Pronunciada оценивает произношение по аудиозаписи и тексту, возвращая вероятность принятия фонем, слов и предложений. Решение опирается на модель ZIPA (распознаватель фонем) и добавляет небольшие адаптеры, калибраторы и модели просодии для 10 языков, включая русский. Инструмент работает локально на устройстве, обрабатывая короткую запись за десятки миллисекунд, и подходит разработчикам образовательных платформ и приложений для изучения языков.
Ключевые особенности
- Поддержка 10 языков, включая английский, русский, китайский и японский
- Работа полностью на устройстве без обращения к облачным API
- Высокая скорость обработки около 50 миллисекунд для записи на Apple M3 Pro
- Низкое потребление памяти около 0.3 ГБ с квантованной базовой моделью
Что можно сделать
- Интегрировать оценку произношения в мобильные или десктопные приложения для изучения языков
- Проверять правильность произношения отдельных фонем, слов и целых предложений
- Использовать инструмент командной строки для быстрой проверки аудиофайлов
Пример
from pronunciada import Scorer
scorer = Scorer("en")
result = scorer.score("clip.wav", "It was a beautiful day for a float")
for word in result.words:
print(word.text, round(word.prob, 2))Подробнее
Бенчмарки: на датасете speechocean762 корреляция с экспертами по фонемам составляет 0.685, по словам — 0.609, по точности предложений — 0.748Требования к железу: около 0.3 ГБ VRAM/памяти с квантованной моделью ZIPA (67 МБ)
Ограничения: точность на речи изучающих языки измерена только для английского и китайского; требуется эталонный текст; нет сборок под iOS, Android или WebAssembly










Комментарии