Компания «Криптонит», входящая в «ИКС Холдинг», представила методику дообучения моделей транскрибирования речи. Решение позволяет точнее распознавать аудиозаписи, в которых собеседники переключаются между русским и английским языками. В ходе экспериментов средняя доля ошибок при обработке смешанной речи снизилась на 13,6% по сравнению с исходной открытой моделью.
Для обучения специалисты подготовили около 10 000 часов аудиоданных. Набор данных формировался путем объединения фрагментов записей на разных языках и синтеза речи с переключениями. Это позволило модели корректно транскрибировать иностранные выражения латиницей, избегая их замены на похожие по звучанию русские слова или неверной транслитерации.
Артем Рыженков, руководитель направления обработки аудиоданных в «Криптоните», отметил, что предложенный подход позволяет адаптировать существующие открытые модели под сложные задачи без необходимости разработки с нуля. Разработчики подчеркнули, что данную методику можно масштабировать для работы с другими языковыми парами.
Аналитики прогнозируют рост мирового рынка API для распознавания речи до $7,21 млрд к 2031 году при среднегодовом темпе роста 20,23%. Основными драйверами рынка выступают системы автоматической расшифровки совещаний и клиентской поддержки, где часто возникают искажения смысла из-за некорректной обработки переключений между языками.
