• USD Бирж 79.22 +-2.73
  • EUR Бирж 93.07 +-2.71
  • CNY Бирж 11.78 +-0.38
  • АЛРОСА ао 74.09 +-0.74
  • СевСт-ао 1072 -4.6
  • ГАЗПРОМ ао 160.19 -1.11
  • ГМКНорНик 19236 -136
  • ЛУКОЙЛ 4157.5 -42.5
  • НЛМК ао 181.48 -0.32
  • Роснефть 373.95 -0.4
  • Сбербанк 208.58 -0.7
  • Сургнфгз 34.135 -0.13
  • Татнфт 3ао 423 -2.9
  • USD ЦБ 77.55 76.46
  • EUR ЦБ 91.26 90.36
Expert Community
Expert Community
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
Состоялась дискуссия «Банкротство. Изменения в новой реальности»
Мероприятия, Вчера 17:22
Деловой журнал «Эксперт Северо-Запад» и Сбербанк провели четвертую онлайн-встречу с представителями бизнес-сообщества
Факторы для роста
ВТБ выдал рекордный объем ипотеки в Санкт-Петербурге.
Дело Дома Зингера
Экономика, Вчера 10:05
Тема приватизации значимых объектов Петербурга болезненна и по сей день. Город на Неве можно полноправно назвать столицей и колыбелью отечественной приватизации.