In un articolo pubblicato su arXiv, un gruppo di ricercatori propone un modello di riconoscimento vocale che riutilizza un numero ridotto di blocchi, anziché assegnare parametri distinti a ogni livello. Secondo gli autori, questo approccio, abbinato a tecniche di addestramento che trasferiscono le conoscenze dai modelli più grandi, usa circa un decimo dei parametri e conserva la precisione.
Stando all’abstract, nei benchmark dell’Open ASR Leaderboard il modello con due blocchi condivisi ha raggiunto il 97,4% della precisione media dei modelli più grandi. Il gruppo descrive anche un metodo per adattare il modello compatto ai singoli utenti, ma l’abstract non riporta misurazioni effettuate sui dispositivi né dimostra come si comporti nell’uso reale.
Perché conta
Per chi sviluppa sistemi di riconoscimento vocale per orologi e occhiali, un numero inferiore di parametri potrebbe ridurre i vincoli di memoria; resta da capire se questo design consenta davvero di risparmiare tempo o energia sui dispositivi reali.
