FunASR’ın yeni konuşma tanıma sürümü, Paraformer modeli metin üretmediğinde de her ses kaydının sonuç satırını tutarak zaman bilgisiyle eşleşmesini koruyor. Güncelleme, kullanıcının belirlediği konuşmacı sınırını uyguluyor ve gerçek zamanlı sunucuya verilen ek model ayarlarını doğruluyor. Geliştiricinin denetimleri kontrollü örneklere dayanıyor; bunlar gerçek kayıtlarda genel tanıma doğruluğunun arttığını ortaya koymuyor.
FunASR, konuşma tanıma araç takımının toplu sonuçları işleme biçimini düzeltti. 1 Kasım’da yayımlanan 1.4.19 sürümünde Paraformer modeli, bir ses parçası için hiçbir metin belirteci üretmese de o parçanın sonuç kaydını koruyor. Bu satırın tutulması, girdi olarak verilen sesin çıktısıyla ve zaman bilgisiyle eşleşmesini sağlıyor. Sürüm notları, düzeltmenin boş sonuçların işlenmesini ve zamanların doğru eşlenmesini kapsadığını belirtiyor.[1]
FunASR, konuşmacıları otomatik gruplarken kullanıcının açıkça belirlediği üst sınıra da uyuyor. Gerçek zamanlı sunucu, ek Hugging Face model ayarlarını veri aktarımında kullanılan yapılandırılmış JSON nesnesi biçiminde alıyor; bunları modele iletmeden önce doğruluyor. Git etiketinde ayrı ONNX kaynak düzeltmeleri bulunuyor. Ancak bu duyuruyla yeni bir funasr_onnx paketi yayımlanmıyor. Python dağıtımları GitHub ve PyPI üzerinden sunuluyor.[1]
Geliştiriciler, kurulu paketler ve kontrollü örnekler üzerinde denetim yaptıklarını belirtiyor. Bu sınamalar, gerçek kayıtlardaki genel konuşma tanıma doğruluğunu ölçmüyor. Sorunları bildiren kişilerin özgün ses kayıtlarında doğrulama yapıldığı da ileri sürülmüyor. Notlarda, tüm depo sınamalarını çalıştırma girişiminde karşılaşılan toplama hataları ve atlanan denetimler korunuyor. Ekli yerel çalıştırma arşivleri önceki bir sürümden alınıyor; bu duyuru için yeniden derlenmiş veya çalıştırılmış değiller.[1]
