Исследователи компании «Криптонит» разработали компактный классификатор для определения языка в аудиозаписях. Новая модель призвана оптимизировать работу систем автоматического распознавания речи (ASR) при обработке больших массивов данных, позволяя эффективнее использовать имеющуюся инфраструктуру.
В качестве основы разработчики использовали общедоступную нейросеть, которая распознает 126 языков и содержит около 1 миллиарда параметров. Команда под руководством Александра Самойлова, при участии Александра Тарарина и Артёма Рыженкова, поставила задачу повысить скорость работы модели без потери качества распознавания.
Для достижения результата авторы применили метод дистилляции знаний, обучив компактную нейросеть на базе более крупной модели. Итоговая версия классификатора оказалась примерно в 10 раз быстрее и в 5 раз легче оригинала. Кроме того, модель продемонстрировала устойчивость к искажениям в аудиосигналах.
Внедрение такого классификатора позволяет предварительно определять язык речи перед направлением записи в специализированную систему распознавания. Это сокращает потребление вычислительных ресурсов, что критически важно при анализе тысяч и миллионов аудиозаписей.
