🟦 Голосовые сообщения можно любить или ненавидеть, но это наша новая реальность.

Недавно в премиальной подписке Telegram появилась функция транскрибации голосовых. Но есть и бесплатный бот от команды SberDevices. В него можно загружать голосовые и видео сообщения, аудиофайлы и получать расшифровку в текстовом формате.

Для бота мы использовали особую модель распознавания речи. Она похожа на ту, которая работает в виртуальных ассистентах Салют, но есть отличие. И оно заключается в обучающих данных.

➕ Текущая модель для виртуальных ассистентов распознаёт только короткие фразы и игнорирует фоновую речь. Поэтому для обучения новой модели мы собрали длинные монологи из открытых источников, порезали их на куски до 25 секунд и получили транскрипции с помощью краудсорсинга.

➕ Чтобы решить проблему с фоновой речью, мы использовали модель для распознавания телефонных разговоров и проделали небольшой трюк с частотой дискретизации.

Благодаря этому наш бот распознаёт длинные предложения, не пропуская ни одного слова ❤️