Objavili smo Cadence, radno okruženje u kojem treniramo i evaluiramo modele iza Oasis Speecha. Javni repozitorij je fork našeg produkcijskog sistema, pod MIT licencom. Ljudi i agenti za programiranje rade u njemu preko istog API-ja.
Svakog mjeseca, za mnoge jezike, fino podešavamo, mjerimo i upoređujemo modele iza našeg prepoznavanja govora. Cadence je mjesto gdje se to događa. Danas je repozitorij javan: github.com/usunrise88/cadence.
Šta je to
Cadence pokriva cijeli život modela govora: podatke, treniranje, evaluaciju, izvoz i puštanje u rad, te petlju koja produkcijske pozive vraća u podatke za treniranje.
- Prilagođen agentima. Agent za programiranje radi u Cadenceu preko istog API-ja kao i sučelje. Njegove izmjene stižu kao nacrti pod njegovim imenom. Sve što troši novac ili mijenja zajednički resurs čeka odobrenje osobe.
- Prvo API. Jedan OpenAPI ugovor generiše server, web klijent, alate za agente i komandnu liniju, pa radnja ima isto ime svugdje.
- Kapije. Cadence evaluira model na zamrznutim evaluacijskim skupovima kroz pravi streaming dekoder i registruje ga tek kad prođe svoju kapiju.
- Čisti testovi. Cadence provjerava svaki ulaz za treniranje naspram svakog evaluacijskog skupa, pa evaluacijski snimak ne može procuriti u treniranje.
- Budžeti. Svaki projekat i svaka sesija agenta ima GPU budžet. Cadence u njega ubraja i poslove u redu, pa red malih poslova ne može preći granicu.
Fork onoga što koristimo
Javni repozitorij je fork sistema koji koristimo u produkciji. To je isto radno okruženje u kojem smo trenirali Oasis Speech 2, objavljeno pod MIT licencom: koristite ga, mijenjajte i gradite na njemu.
Više informacija
- Cadence: radno okruženje u kojem treniramo Oasis Speech, istraživačka bilješka s više detalja o tome kako radi.
- Oasis Speech 2 je dostupan: naši agenti sada čuju 48 jezika.
- Repozitorij: github.com/usunrise88/cadence.