LLM как декодер в ASR: опыт адаптации SOTA архитектуры для спонтанной русскоязычной речи

Дата публикации: 22-04-2026 15:33:45

В конце прошлого года Nvidia изрядно встряхнула Open Source комьюнити, выкатив серию новеньких моделей распознавания речи. Одна из них нам особенно приглянулась: Canary-Qwen-2.5B на архитектуре SALM (Speech Augmented Language Model), установившая новый рекорд по качеству в HuggingFace OpenASR, благодаря использованию гибридного подхода, совмещающего речевой энкодер и LLM в своей работе.

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	Как дообучить LLM. Рассказываю шаг за шагом	0	8.7	08-06-2026
2	LongConspectWriter: автоматическая генерация структурированных конспектов лекций на потребительском GPU	0	9.54	21-06-2026
3	Как я снизил WER с 33% до 3.3% для русской речи на CPU: сравнение GigaAM, Whisper и Vosk	0	12.82	23-02-2026
4	Как мы заставили vLLM «лениться» под нагрузкой и спасли Time-to-First-Token	0	10.92	26-04-2026
5	Можно ли заменить диктора open‑source TTS‑моделью: тестируем OmniVoice на русском языке	0	9.09	08-05-2026
6	Whisper или GigaAM для русского ASR в продакшене: три ловушки бенчмарка, которые перевернут ваши выводы	0	9.49	04-06-2026
7	LLM-судье нельзя верить на слово: как построить надёжный гейт и проверить сами тесты	0	12.53	28-07-2026
8	Группа «Т-Технологии» выложила в открытый доступ потоковую модель распознавания речи на русском языке	0	5	22-07-2025
9	Как желание быстрее читать чужой код превратилось в войну с недетерминизмом LLM	0	5	28-06-2026
10	Как я собрал свой первый пет-проект по распознаванию языка жестов	0	7.37	18-01-2026

Классификация: Пресс-релизы. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 9.94. Источник: pythondigest.ru.