Objavili smo Cadence, radno okruženje u kojem treniramo i ocjenjujemo modele iza Oasis Speecha. Javni repozitorij fork je našeg produkcijskog sustava, pod licencijom MIT. Ljudi i programerski agenti u njemu rade preko istog API-ja.
Svakog mjeseca, za mnoge jezike, fino podešavamo, mjerimo i uspoređujemo modele iza našeg prepoznavanja govora. Cadence je mjesto gdje se to događa. Danas je repozitorij javan: github.com/usunrise88/cadence.
Što je to
Cadence pokriva cijeli život govornog modela: podatke, treniranje, evaluaciju, izvoz i uvođenje u rad, te petlju koja produkcijske pozive vraća u podatke za treniranje.
- Prilagođen agentima. Programerski agent u Cadenceu radi 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.
- API na prvom mjestu. Jedan OpenAPI ugovor generira poslužitelj, web-klijent, alate za agente i naredbeni redak, pa radnja posvuda ima isti naziv.
- Pragovi. Cadence ocjenjuje model na zamrznutim evaluacijskim skupovima kroz pravi dekoder za strujanje, a registrira ga tek kad prođe svoj prag.
- Čisti testovi. Cadence provjerava svaki ulaz za treniranje u odnosu na svaki evaluacijski skup, pa evaluacijski isječak ne može procuriti u treniranje.
- Proračuni. Svaki projekt i svaka sesija agenta imaju GPU proračun. Cadence u njega ubraja i poslove u redu čekanja, pa red malih poslova ne može zbrojem premašiti ograničenje.
Fork onoga što koristimo
Javni repozitorij fork je sustava koji koristimo u produkciji. To je isto radno okruženje u kojem smo trenirali Oasis Speech 2, objavljeno pod licencijom MIT: koristite ga, mijenjajte ga i gradite na njemu.
Više informacija
- Cadence: radno okruženje u kojem treniramo Oasis Speech, istraživačka bilješka s više pojedinosti o tome kako radi.
- Oasis Speech 2 je pokrenut: naši agenti sada čuju 48 jezika.
- Repozitorij: github.com/usunrise88/cadence.