• USD Бирж 73.37 -0.25
  • EUR Бирж 86.95 --0.08
  • CNY Бирж 10.57 --0.02
  • АЛРОСА ао 69.96 -0.13
  • СевСт-ао 937 +-5
  • ГАЗПРОМ ао 187.07 +-2.53
  • ГМКНорНик 20786 +-114
  • ЛУКОЙЛ 5111.5 +-43
  • НЛМК ао 148.76 -0.44
  • Роснефть 362.4 +-2.15
  • Сбербанк 226.89 -0.9
  • Сургнфгз 37.255 +-0.34
  • Татнфт 3ао 555.7 +-5.4
  • USD ЦБ 73.28 73.38
  • EUR ЦБ 86.63 86.5
ЦДС Черная речка
ЦДС Черная речка
Лента новостей

ЦРТ представил новую технологию распознавания речи

Технология сегментирования аудиопотока (диаризации) и распознавания речи, созданная группой компаний ЦРТ (Центр речевых технологий, входит в экосистему Сбербанка, головной офис в Петербурге), признана лучшей на международном конкурсе CHiME Speech Separation and Recognition Challenge CHiME-6.

Высокое признание технология получила за распознавание английской речи с нескольких микрофонов в условиях естественной обстановки. «В этом году на CHiME-6 впервые в истории стояла самая сложная задача — работа с несегментированной речью. Качественное распознавание речи разных дикторов, при этом перебиваемой шумами, позволяет выводить сервисы из разряда инновационных в повседневное применение, совершенствуя бизнес и упрощая нашу жизнь», — объясняет генеральный директор ГК ЦРТ Дмитрий Дырмовский. В частности, по его словам, качественная обработка несегментированной речи позволит, к примеру, вести грамотное протоколирование совещаний, где говорит сразу несколько спикеров. А интеллектуальная речевая аналитика позволит автоматизировать работу контактных центров: распознавать спонтанную речь, классифицировать голосовые обращения, выявлять соблюдения скрипта, делать выводы об удовлетворенности клиента и качестве диалога, а значит — существенно оптимизировать работу современных контакт-центров ретейла, e-commerce и телекома.

Организаторы CHiME предлагают сильнейшим командам со всего мира различные задачи, которые с каждым новым конкурсом усложняются. На CHiME-5 конкурсанты решали так называемую cocktail party problem — распознавание спонтанной речи нескольких дикторов в условиях частичного наложения речи и шума, то есть в типичной ситуации общения на вечеринке. Этот блок требовал работы с сегментированной (уже выделенной) речью. Новизна и особенность CHiME-6 заключалась в том, что впервые в истории конкурсантам было предложено решить аналогичную проблему, но работая с несегментированной речью, при этом — с перекрытием речи до 20%. Именно на решении этой — самой сложной — задачи сфокусировалась команда ЦРТ.

Записи для конкурса были сделаны на 20 ужинах в реальных домах на вечеринках, где люди готовили, ели, мыли посуду, свободно и эмоционально общались, шутили и смеялись. Распознавание речи здесь осложняет одновременная речь 2–4 человек, реверберация и интенсивный шум: звон приборов, льющаяся из крана вода, гул кондиционера, шаги, смех.

Цель участников — создать систему распознавания, которая «прослушает» записи и выдаст полную расшифровку с наименьшим количеством ошибок. В ЦРТ был разработан уникальный алгоритм выделения речевых сегментов для каждого из дикторов, а также создан комплекс из нескольких нейронных сетей разных архитектур, различающий разных дикторов, реализующий бимформинг (эффект нацеливания микрофонов на конкретного диктора) и непосредственно распознающий речь.

Кроме группы ЦРТ в конкурсе участвовали научные команды со всего мира: и известные IT-компании (Toshiba и ряд других), и крупные университеты-лидеры в области речевых технологий: Университет Джонса Хопкинса (США), Университет науки и технологии Китая, Технический университет Брно (Чехия) и др.

Последние материалы
С резервом прочности
Долговая нагрузка петербургского Водоканала сократилась на 64%.
Запущен новый мобильный банк для предпринимателей
Приложение ВТБ Бизнес Lite отличает новый дизайн, улучшенная навигация и расширенный функционал для финансового управления бизнесом.
Проблемы и способы их решения
Мероприятия, 31 Июл 16:42
На конференции «Деловой России» подвели итоги первого года с момента внедрения эскроу-счетов.