Распознавание речи при фоновой музыке улучшилось в три раза за квартал
Квартальное обновление нейросетевого ядра для обработки аудиопотоков привело к трёхкратному улучшению точности распознавания голоса на фоне музыки. Тестирование на выборке в полмиллиона фраз из разных жанров музыки показало стабильный результат выше 89 процентов корректно распознаных слов.
Инженеры применили технику разделения источников звука, которая отделяет речь от музыки на уровне спектрального анализа до передачи в блок распознавания. Это позволило системе игнорировать музыкальный контекст и сосредоточиться на фонемах речи.
Практическое применение
Улучшение особенно важно для приложений видеоконференций, где участники могут находиться в кафе или на улице. Улучшена точность голосовых помощников при использовании в зашумленных помещениях и машинах.
Тестирование показало, что система одинаково хорошо работает с музыкой разных жанров и громкости, включая живую музыку и синтезированные звуки. Ошибки в основном касаются редких акцентов и специальной терминологии, а не самого распознавания.
Функция уже интегрирована в мобильные приложения и облачные сервисы распознавания речи в реальном времени.