Чтооо EPD? Это как? Я у иишки спросил, говорит это End of Point Detection, а что, есть другие способы кроме как подождать пару секунд?
Как я понимаю, прикол Speech-To-Speech в том что они быстрее реагируют на конец фразы а так же в теории могут перебивать тебя если в процессе разговора, допустим ошибку сказанул.
А так демо видео personaplex от nvidia на меня большое впечатление оказал. Жаль что-т не двигаются в этом направлении... Ответить
раскрыть ветку (1)
Лохматый Осьминог
Там каждый строит свой велосипед, от просто VAD + эвристики, до тренировки отдельных моделек для этого Ответить
Озёрный Мостовик
По каждому пункту проверки гипотез было бы интересно почитать подробнее
Например где ожидания оправдались, а где оказалось что нет Ответить
Я пропустил твой стримерский эксперимент - че там было? Ответить
раскрыть ветку (3)
Лохматый Осьминог
Не, была навайбкоженная поделка
Арена, защита кристала, со всех сторон бегут волны мобов, каждый герой это человек из чата
Прокачка, рандомные лутбоксы, озвучка лучшим голосом из всех демок с комментариями про смерти, начала волн и тд Ответить
End-Point Detection
Эт больше задача, чем сущность в пайплайне, но она полюбому есть Ответить
раскрыть ветку (8)
Рыхлый Фермер
хмм не совсем понял что имеется ввиду, но ок. Ответить
раскрыть ветку (7)
Лохматый Осьминог
Типо как определить что человек закончил говорить и можно начать отвечать, при этом минимизировать задержку
Можно ловить просто паузы, но какую паузу тогда ждать? Секунду? это бьет по опыту общение с воис агентом
Можно гнать ASR и проверять к примеру заключительные знаки препинания, ведь ASR примерно понимает интонацию и законченность мысли
Можно это все совмещать, в общем огромное поле для велосипедов Ответить
Понял, понял, я про это и подумал, старым как валенки методом по секундной паузе пользуюсь, так то впринципе достаточно быстро, если остальной пайплайн подстроен, но вообще EPD получается более правильная вещь, стоит в этом направлении тоже подумать Ответить
Комментарии (1)
Как я понимаю, прикол Speech-To-Speech в том что они быстрее реагируют на конец фразы а так же в теории могут перебивать тебя если в процессе разговора, допустим ошибку сказанул.
А так демо видео personaplex от nvidia на меня большое впечатление оказал. Жаль что-т не двигаются в этом направлении...
Например где ожидания оправдались, а где оказалось что нет
Арена, защита кристала, со всех сторон бегут волны мобов, каждый герой это человек из чата
Прокачка, рандомные лутбоксы, озвучка лучшим голосом из всех демок с комментариями про смерти, начала волн и тд
Эт больше задача, чем сущность в пайплайне, но она полюбому есть
Можно ловить просто паузы, но какую паузу тогда ждать? Секунду? это бьет по опыту общение с воис агентом
Можно гнать ASR и проверять к примеру заключительные знаки препинания, ведь ASR примерно понимает интонацию и законченность мысли
Можно это все совмещать, в общем огромное поле для велосипедов
ну какого-то решения особо нет, что-то лучше работает, что-то хуже еще и от сценария зависит