Conformer2

Comper-2 یک مدل پیشرفته تشخیص خودکار گفتار AI است که به عنوان جانشینی برای انطباقer-1 توسعه یافته است. این طراحی شده است با بهبود قوی برای رمزگشایی nouns مناسب، آلفا عددی و نشان دادن عملکرد برتر در محیط های پر سر و صدا. این کار از طریق آموزش فشرده در یک corpus بزرگ از داده های صوتی انگلیسی به دست آمده است. مزیت سازگاری 2 این است که در مقایسه با Comper-1، نرخ خطای کلمه را به خطر نمی اندازد، در حالی که معیارهای کاربر گرا را افزایش می دهد. پیشرفت های بیشتر در مقایسه با پیشینیان آن، با افزایش حجم داده های آموزشی و افزایش مدل های نام مستعار حاصل شد. علاوه بر این، با تغییرات در خط لوله استنتاج، مدت زمان تاخیر سازگاری ۲ کاهش می یابد و بنابراین عملکرد کلی را مرور می کند. یکی دیگر از گام های مهم با سازگاری ۲ مربوط به تکنیک آموزشی نوآورانه آن است که از مدل جمع آوری استفاده می کند. به جای حذف برچسب ها تنها از یک معلم، برچسب ها در این مدل از چندین «معلم» تولید می شوند و مدل متنوع تر و قوی تری را تضمین می کنند. این اثر کاهش تاثیر شکست های مدل فردی است. توسعه HPer-2 همچنین شامل اکتشاف در مقیاس سنجی داده ها و مدل، افزایش اندازه مدل و گسترش داده های صوتی آموزشی است. این روش ها با هدف تطبیق پتانسیل های کم ارزش شناخته شده توسط مقاله "Chinchilla" برای مدل های زبان بزرگ است. با استفاده از این به روز رسانی ها، سازگاری 2 زمان پاسخ سریع تری نسبت به Adaer-1 فراهم می کند و روند مدل های بزرگتر را آهسته تر و گران تر می کند.