VoxLock पंजीकरण की आवश्यकता के बिना आवाज एजेंटों के लिए लक्ष्य वक्ता निकालता है
वोक्सलॉक आवाज एजेंटों के लिए एक 27M-पैरामीटर स्ट्रीमिंग आइसोलेटर है, कोई नामांकन की आवश्यकता नहीं है, क्रिस्प पर 4.95% डब्ल्यूईआर स्कोर करता है, 24 एमएस विलंबता के साथ एक CPU पर चलता है।
मुख्य जानकारी
- VoxLock एक 27M-पैरामीटर स्ट्रीमिंग वॉयस आइसोलेटर है जो कॉल एजेंटों के लिए बिना नामांकन के कॉलर की आवाज को लक्षित कर सकता है।
- यह Krisp Voice Isolation Benchmark पर 4.95% WER प्राप्त करता है, जिसे परीक्षण किए गए भुगतान और खुले मॉडल के बीच सबसे कम बताया गया है, जिसमें प्रति मिनट केवल 0.11 लीक पृष्ठभूमि शब्द हैं।
- मॉडल एक CPU कोर पर 24 एमएस एल्गोरिथम विलंबता के साथ चलता है, जो इसे वास्तविक समय वार्तालाप एजेंटों के लिए उपयुक्त बनाता है।
- VoxLock एक Pipecat फ़िल्टर, LiveKit Agents प्लगइन के रूप में उपलब्ध है और शेर्पा-ऑनएक्स में अपाचे-2.0 भार, प्रशिक्षण कोड और बेंचमार्क टूल जारी किए गए हैं।
मेटा विवरण: VoxLock एक 27M-पैरामीटर स्ट्रीमिंग वॉयस आइसोलेटर है जो आवाज एजेंटों के लिए कोई नामांकन की आवश्यकता नहीं है और Krisp Voice Isolation Benchmark पर 4.95% WER स्कोर करता है।
टैगः आवाज एजेंटों, speech recognition, वास्तविक समय ऑडियो, machine learning, open source
![एक आवाज एजेंट के लिए पृष्ठभूमि शोर से एक स्वच्छ तरंग रूप को अलग करने वाले माइक्रोफोन का अमूर्त मैत्रीपूर्ण चित्रण]
एक नया स्ट्रीमिंग वॉयस आइसोलेटर जिसे वोक्सलॉक कहा जाता है, का उद्देश्य वॉइस एजेंट बनाने वाली टीमों को लक्षित करना है। परियोजना के लेखक कहते हैं कि 27M-पैरामीटर मॉडल अलग नामांकन चरण के बिना कॉल के पहले सेकंड से कॉलर की आवाज को अलग कर सकता है।
बेंचमार्क संख्या क्यों महत्वपूर्ण है
Krisp Voice Isolation Benchmark पर, जो 265 वास्तविक रिकॉर्डिंग का उपयोग करता है, वोक्सलॉक 4.95% डब्ल्यूईआर या शब्द त्रुटि दर दर्ज करता है। लेखक कहते हैं कि यह प्रत्येक परीक्षण किए गए मॉडल के बीच सबसे कम है, भुगतान किया गया या खुला है, 5.30% में Krisp VI 2.5 के साथ। बेंचमार्क प्रति मिनट 0.11 लीक पृष्ठभूमि शब्दों की रिपोर्ट भी देता है, जिसका अर्थ है कि ट्रांसक्रिप्ट या एजेंट आउटपुट तक पहुंचने वाले अनपेक्षित बैकग्राउंड शब्द।
कम विलंबता और सरल तैनाती
मॉडल एक CPU कोर पर चलता है जिसमें 24 एमएस एल्गोरिदमिक विलंबता होती है। वार्तालाप एजेंटों के लिए, समय मायने रखता है क्योंकि छोटी देरी प्रतिक्रियाओं को धीमी महसूस कर सकती है। वोक्सलॉक जहाजों में पिपेकेट फ़िल्टर, LiveKit Agents प्लगइन और शेर्पा-ऑनएक्स होता है, जिससे बिल्डरों को कई एकीकरण अंक मिलते हैं। भार, प्रशिक्षण कोड और बेंचमार्क हार्नेस Apache-2.0 के तहत जारी किए जाते हैं।
पाठक आगे क्या कर सकते हैं
लेखक नोट करता है कि आइसोलेटर का परीक्षण करने के लिए एक ब्राउज़र डेमो उपलब्ध है। वॉयस-एजेंट टीमों के लिए, व्यावहारिक टेकअवे एक नो एनरोलमेंट विकल्प है जो CPU -केवल उपयोग के लिए पर्याप्त छोटा रहते हुए मजबूत बेंचमार्क परिणाम रिपोर्ट करता है। अपाचे-2.0 कोड और वजन मौजूदा पाइपलाइन के अंदर मूल्यांकन करना आसान बनाते हैं।

Comments (0)