Објавили смо Cadence, радно окружење у којем тренирамо и оцењујемо моделе иза Oasis Speechа. Јавни репозиторијум је форк нашег продукционог система, под MIT лиценцом. Људи и агенти за програмирање у њему раде преко истог API-ја.
Сваког месеца, за много језика, фино подешавамо, меримо и упоређујемо моделе иза нашег препознавања говора. Cadence је место где се то догађа. Данас је репозиторијум јаван: github.com/usunrise88/cadence.
Шта је то
Cadence покрива цео животни век модела за говор: податке, тренинг, евалуацију, извоз и пуштање у рад, као и петљу која продукционе позиве враћа у тренинг податке.
- Агент-нативе. Агент за програмирање у Cadenceу ради преко истог API-ја као и интерфејс. Његове измене стижу као нацрти под његовим именом. Све што троши новац или мења заједнички ресурс чека одобрење човека.
- API-фирст. Један OpenAPI уговор генерише сервер, веб клијент, алате за агенте и командну линију, па радња има исто име свуда.
- Капије. Cadence оцењује модел на замрзнутим скуповима за евалуацију кроз прави стримујући декодер и региструје га тек кад прође своју капију.
- Чисти тестови. Cadence проверава сваки улаз за тренинг према сваком скупу за евалуацију, па клип за евалуацију не може процурети у тренинг.
- Буџети. Сваки пројекат и свака сесија агента има GPU буџет. Cadence рачуна и задатке у реду чекања, па ред малих задатака не може збиром прећи ограничење.
Форк онога што користимо
Јавни репозиторијум је форк система који користимо у продукцији. То је исто окружење у којем смо тренирали Oasis Speech 2, објављено под MIT лиценцом: користите га, мењајте и градите на њему.
Прочитајте више
- Cadence: окружење у којем тренирамо Oasis Speech, истраживачка белешка с више детаља о томе како ради.
- Oasis Speech 2 је пуштен у рад: наши агенти сада разумеју 48 језика.
- Репозиторијум: github.com/usunrise88/cadence.