Когда встреча прошла, а заметок — ноль? Команда NLP из НГУ придумала, как спасти вас от этой проблемы. Представляем Pisets — инструмент для конспектирования лекций, интервью и докладов, где стандартные ASR‑модели вроде Whisper или WhisperX часто выдают галлюцинации.

🧠 Что внутри?

Pisets — это пайплайн из нескольких моделей:
1️⃣ Wav2Vec2-сегментер: на длинном аудио сначала выделяются участки, где вообще есть речь
2️⃣ AST (Audio Spectrogram Transformer) отбрасываются ложные «речевые» сегменты
3️⃣ Whisper выдает финальную транскрипцию с пунктуацией на отфильтрованные и размеченные сегменты

Работа была представлена на NAACL 2025 в Industry Track и получила положительные отзывы

🔗 arXiv
💻 Код
👍 Если понравилась работа — можно поддержать авторов upvote’ом в Hugging Face Daily Papers

🌐Рандомные галлюцинации