What it sounds like

From a dictionary to a voice assistant: the audio companion to the first article

От словаря до голосового ассистента: звуковой спутник первой статьи

Where the first stage of the road ended up: speech recognition from 34.6 % down to 17.0 % word errors, a whole novel — 16 chapters, 15,444 words, 1 hour 58 minutes — read by a synthetic voice, all of it on one consumer GPU. With samples you can listen to.

Чем закончился первый этап пути: распознавание речи с 34,6 % до 17,0 % ошибок, целый роман — 16 глав, 15 449 слов, 1 час 58 минут — прочитанный синтезированным голосом, и всё это на одной домашней видеокарте. Здесь — примеры, которые можно послушать.

• TTS
• ASR
• аудио