VK улучшила распознавание речи на 20%
Компания VK значительно улучшила точность автоматического распознавания речи в своих продуктах. Инженеры AI VK доработали систему ASR на основе современных моделей машинного обучения, добившись прироста точности в 20% по сравнению с предыдущей версией.
Технология ASR преобразует аудио в текст, очищая запись от шумов и анализируя особенности звучания. Использование нейросетевых моделей и LLM позволяет системе понимать контекст и смысловые связи, обеспечивая более естественную и точную расшифровку.
Улучшение стало возможным благодаря обучению системы на расширенном наборе данных, включающем аудиодорожки из «VK Видео». Это позволило ASR лучше понимать различные темпы и манеры речи, превосходя по качеству распознавания звуковых дорожек на русском языке зарубежные аналоги.
Технологии ASR от VK уже используются для автоматического создания субтитров в «VK Видео» и «VK Клипах», а также в образовательной платформе «Учи.ру». Система также применяется для обработки голосовых сообщений в «ВКонтакте» и для внутренних задач компании, таких как расшифровка и суммаризация встреч.
Обновлённая версия ASR уже внедрена в «VK Видео» и «VK Клипах», а также используется во внутренних сервисах VK. В ближайшем будущем технология будет доступна и в других продуктах компании. Разработчики планируют дальнейшее повышение точности, расширение языковой поддержки и добавление функции разделения речи по спикерам.
