DiarizationLM-Gemma-4-E4B: Новая модель от Google

Google представил новую модель DiarizationLM-Gemma-4-E4B, предназначенную для пост-обработки диаризации говорящих. Эта модель, основанная на архитектуре 4B, значительно улучшает качество расшифровки, исправляя метки спикеров и снижая количество ошибок в диаризации.

Одной из ключевых особенностей Gemma 4 E4B является способность исправлять короткие вставки, состоящие из 1-5 слов, при этом сохраняя акустические якоря в более длинных репликах. Это позволяет модели более точно определять границы реплик и «backchannels», что особенно важно для естественного звучания диалогов.

Модель работает из коробки: достаточно подать гипотезу с тегами, и она вернёт исправленную версию. Это делает её удобной для использования в различных приложениях, где требуется высокая точность распознавания речи.

Сравнительные тесты показали, что DiarizationLM-Gemma-4-E4B демонстрирует статистически значимые улучшения по показателям WDER и cpWER на четырёх бенчмарках, включая Fisher, Callhome, ICSI и AMI, с результатами, превышающими p.

Основные характеристики модели:

<ul><li>Исправление меток говорящих в расшифровке.</li><li>Корректировка границ реплик и коротких вставок.</li><li>Сохранение идентичности спикера в длинных монологах.</li><li>Работа без необходимости дополнительной настройки.</li></ul>

С моделью DiarizationLM-Gemma-4-E4B Google продолжает улучшать технологии распознавания речи, предлагая пользователям более точные и удобные инструменты для работы с аудиоданными.

Нейро Отличник