 |
Новая технология «Наносемантики» повышает точность распознавания голосовых запросов в 12 раз
Новая технология для определения ключевой фразы Keyword Spotter (KWS) от «Наносемантики» способна в разы улучшить работу голосового помощника. Разработка основана на нейросетевой модели KWS с архитектурой CNN-Transformer, обученной на собранных компанией датасетах общей продолжительностью более 100 часов аудио. За счет такого подхода, технология демонстрирует высокие показатели метрик точности и полноты активаций ассистента на аудио, полученных, в том числе, в шумных условиях.
Разработанная «Наносемантикой» технология KWS в связке с детектором голосовой активности - Voice Activity Detection (VAD) может повысить точность распознавания голосовых запросов и улучшить качество работы цифровых помощников - «умных» колонок и цифровых ассистентов на онлайн-платформах и в приложениях. Результаты тестирования, проведенного для коммерческого заказчика, показали, что точность распознавания ключевой фразы цифровым помощником выросла в 12 раз по сравнению с предыдущей моделью благодаря внедрению связки технологий VAD и KWS, разработанных «Наносемантикой».
Качественно лучшего результата удалось добиться за счет выбранной архитектуры модели CNN-Transformer, логики обработки потокового аудио, а также объемного и разнообразного датасета. Технология VAD может «отличить» речь человека от других шумов, после чего направить нужные отрывки со смещениями на дальнейшее распознавание моделью определения ключевой фразы - KWS.
Модель обучается определять выбранную ключевую фразу, на которую активируется цифровой помощник. Для обучения используются созвучные фразы-мимики и большое количество различных искажений (аугментаций) - они позволяют достичь устойчивости модели к помехам и похожим на ключевую фразу словам.
При разработке под ключ для повышения показателей метрик качества KWS команда сборщиков и разметчиков данных «Наносемантики» собрала базу данных аудио с записанной ключевой фразой женскими и мужскими голосами в разных вариантах: нейтрально, громко, шепотом, медленно, отвернувшись от устройства и так далее. Кроме того, делается разбивка по качеству звучания: часть аудиозаписей записывают в идеальном «студийном» качестве, другую часть – с посторонними шумами в различных помещениях и уличных условиях. Общая продолжительность данных для датасета превысила 100 часов.
VAD и KWS почти не разряжают батарею, а также могут быть запущены на большинстве смартфонов, в том числе оффлайн, за счет своего небольшого объема - вес VAD на базе модели CNN BilSTM составляет 0,5 МБ, а KWS - 4 МБ.
«За счет качественной работы с данными и использования оптимальных нейросетевых архитектур связка модулей VAD и KWS ‘’Наносемантики’’ способна существенно улучшить качество работы ассистента в распознавании ключевой фразы, что важно для активации голосовых помощников. Это популярное решение интегрируют в приложения и платформы во всех сегментах – от ритейла до банков, а также используют самостоятельно в ‘’умных’’ колонках. От точности работы технологии KWS зависит, насколько хорошо вас будет ‘’понимать’’ голосовой помощник, включаясь в тот момент, когда вы его действительно об этом просили», - комментирует Павел Сухачев, директор по Data Science компании «Наносемантика».
Справка:
«Наносемантика» — ведущий российский производитель решений и продуктов на основе нейросетей. За 18 лет на рынке ИТ-компания разработала более 12 собственных интеллектуальных продуктов и платформ, реализовала свыше 130 проектов для бизнеса. Команда из научных сотрудников и разработчиков обладает обширной базой знаний и практик в области машинного обучения.
Контактное лицо: Татьяна Алексеева
Компания: Наносемантика
Добавлен: 22:19, 14.11.2023
Количество просмотров: 498
Страна: Россия
| НКК «Машиностроение» и «Нева Технолоджи» укрепляют партнерство для развития сквозных технологий проектирования и производства композитных изделий, Национальная компьютерная корпорация, 02:56, 14.11.2026, Россия210 |
| НКК «Машиностроение», разработчик платформы САРУС+, и «Нева Технолоджи», системный интегратор и разработчик высокотехнологичного оборудования для производства изделий из композитов, объявляют о расширении стратегического сотрудничества. Стороны подписали соглашение, направленное на совместную разработку комплексного решения, его продвижение и внедрение на промышленных предприятиях на базе ПО САРУС+ и оборудования, поставляемого «Нева Технолоджи». |
| АО «Волтари» вступило в ассоциацию НАУФОР, Web3 Tech, 02:56, 14.11.2026, Россия204 |  |
| АО «Волтари» (Vaultary), компания из группы Web3 Tech – разработчика корпоративных блокчейн-решений и провайдера web3-сервисов, включена в состав членов Национальной ассоциации участников фондового рынка (НАУФОР). |
| Axenix помогла ППТ автоматизировать документооборот, Axenix, 02:48, 14.11.2026, Россия59 |  |
| Компания Axenix завершила проект по внедрению электронного документооборота на основе «1С:Документооборот 8 КОРП» для ООО «Подъемно-погрузочная техника» – крупнейшего игрока в сегменте складской техники на российском рынке. |
| Hisense представила новые саундбары на российском рынке, Hisense, 23:54, 13.11.2026, Россия185 |  |
| Компания Hisense, один из ведущих мировых производителей телевизионной и бытовой техники, представила в России три новые модели саундбаров – Hisense HS5100S, Hisense HS3100S и Hisense HS2100S. Мощные и многофункциональные устройства уже поступили в продажу. |
|
|
