Распознавание речи при громкости ниже 30 децибел работает 90 процентов
Системы распознавания речи давно справляются с фоновым шумом, но проблема с тихими голосами оставалась открытой. Новое поколение моделей использует адаптивную фильтрацию на уровне спектральных коэффициентов, что позволило резко снизить зависимость от амплитуды входного сигнала.
Тестирование показало 90-процентную точность при громкости 20—28 децибел, что соответствует шёпоту и едва слышному голосу. Это особенно актуально для приватных сценариев: разговоры в общественных местах, видеозвонки в офисе, голосовой ввод в тихом окружении.
Где применяется технология
Производители наушников и смартфонов уже начали интегрировать алгоритмы в свои устройства. Коммерческие приложения получают возможность использовать тихие команды без снижения качества распознавания.
Улучшение касается и специализированных сценариев: медицинское оборудование, которое должно ловить голос в шумных операционных, теперь может обрабатывать тихие команды хирургов без переквалификации модели.
Исследователи указывают, что следующий этап — совместная обработка нескольких микрофонов для ещё большей устойчивости к шуму и усиления слабых сигналов без потери разборчивости.