Распознавание речи улучшилось на пять процентов за счёт новых данных
Обновлённая модель распознавания речи достигла улучшения на пять процентов по метрике WER за счёт добавления данных из ранее недостаточно покрытых акцентов и шумовых сценариев. Новый датасет включает записи в условиях офиса, улицы, общественного транспорта и телефонных линий.
Выигрыш проявляется особенно ярко при распознавании речи с региональными акцентами и в среде высокого фонового шума, где система раньше делала больше ошибок. Тестирование показало стабильное улучшение по всем категориям шума и акцентов.
Методология сбора данных
Для получения качественного датасета использовались анотаторы из разных регионов и профессиональные рекордеры в специализированных студиях. Каждое аудио прошло двойную проверку на точность транскрипции.
Особое внимание уделено охвату редких фонетических паттернов и специальной лексики, которая раньше вызывала ошибки в распознавании. Данные будут постепенно добавляться в основной датасет.
Планируется расширение выборки на ещё 300 часов в течение следующих двух месяцев, что должно обеспечить дополнительный прирост точности.