ASR (Automatic Speech Recognition, автоматическое распознавание речи) – технология преобразования речи в текст, также называемая Speech-to-Text (STT). Современные системы основаны на нейросетях и распознают речь в реальном времени и в записях, с пунктуацией и разделением по говорящим.
Как работает
- Предобработка аудио и выделение признаков.
- Акустико-языковая нейросетевая модель (например, на основе трансформеров) переводит звук в текст.
- Постобработка: пунктуация, нормализация чисел и дат, словари терминов.
Где применяется
- Контакт-центры: расшифровка и речевая аналитика звонков.
- Голосовые ассистенты и роботы.
- Протоколирование совещаний и судебных заседаний.
- Субтитры и поиск по видео.
- Голосовой ввод в медицине и других профессиях.
Что важно при выборе
- Точность на ваших данных: телефонное качество, акценты, термины (метрика WER – доля ошибок в словах).
- Работа в реальном времени и в контуре компании.
- Поддержка русского языка и отраслевых словарей.
- Защита записей разговоров и персональных данных.
