Reconocimiento de voz preciso y compacto con un amplio vocabulario en dispositivos móviles

En este artículo describimos el desarrollo de un reconocedor de voz preciso, de pequeña huella, y con un amplio vocabulario para dispositivos móviles. Para lograr la mejor precisión en el reconocimiento, se adoptan redes neuronales profundas (DNNs) de última generación como modelos acústicos. Se utilizan diversas técnicas de aceleración para el cálculo de puntajes DNN para habilitar la operación en tiempo real en dispositivos móviles. Para reducir el uso de memoria y disco, se realiza la reevaluación del modelo de lenguaje (LM) sobre la marcha con un LM n-gram comprimido. Pudimos construir un sistema preciso y compacto que funciona bien por debajo del tiempo real en un teléfono Android Nexus 4. Palabras clave: Redes neuronales profundas, reconocimiento de voz embebido, SIMD, compresión de LM.