• USD Бирж 74.01 +-0.61
  • EUR Бирж 89.42 +-0.34
  • CNY Бирж 11.41 +-0.07
  • АЛРОСА ао 104.9 -0.96
  • СевСт-ао 1364.8 -13.8
  • ГАЗПРОМ ао 228.12 -2.12
  • ГМКНорНик 26016 -306
  • ЛУКОЙЛ 5925 -25
  • НЛМК ао 222.44 -3.04
  • Роснефть 509.5 +-4.8
  • Сбербанк 280.64 -3.82
  • Сургнфгз 36.985 -0.31
  • Татнфт 3ао 541.7 -7.1
  • USD ЦБ 73.97 73.55
  • EUR ЦБ 89.33 89.25
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
Дмитрий Волошин — о том, какой опыт необходим молодым предпринимателям
Чтобы изучить причины неудач в бизнесе и сделать выводы, должна быть цель. И да, это вовсе не про деньги. Эта цель — результат сложного и болезненного разговора с самим собой: что ты делаешь и ради чего.
Для дополнительного удобства
ВТБ увеличивает лимиты на переводы через Систему быстрых платежей.
Успешно справились
Клиенты Билайн на новогодних праздниках проверили новые возможности сети.