 |
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: 473
Страна: Россия
| RedLab вошла в топ-4 Рейтинга Рунета – 2026, RedLab, 21:55, 13.10.2026, Россия279 |
| Компания RedLab заняла 4-е место в основном рейтинге «Аутстаффинг разработчиков» по версии Рейтинга Рунета – 2026, поднявшись сразу на восемь позиций по сравнению с прошлым годом. |
| Безопасность как драйвер, ИИ как ядро: куда идет российский рынок IBP, Круги Громова, 21:54, 13.10.2026, Россия285 |
| Гибридные модели вместо крайностей, ИИ в ядре продукта, безопасность как драйвер выбора, размывание границ между классами решений и зрелость данных как главный барьер – эти пять трендов сегодня определяют российский рынок решений для интегрированного бизнес-планирования (IBP), систем планирования цепочек поставок (SCP) и финансового планирования (FP&A). |
| Офис компании «Первый Бит» «Шоссе Энтузиастов» получил статус «Центр ERP», Первый Бит, 21:48, 13.10.2026, Россия111 |  |
| Специалисты офиса помогают компаниям автоматизировать ключевые процессы: управление производством, закупками, запасами, продажами, финансами, персоналом и другими направлениями деятельности. Получение статуса «Центр ERP» стало результатом развития компетенций команды, накопленного проектного опыта и соответствия высоким требованиям фирмы «1С». |
| МИФИ при поддержке Смарт Текнолоджис покоряют «Битву роботов», Смарт Текнолоджис, 21:44, 13.10.2026, Россия72 |
| Инженерная команда «МИФИческие гонщики» НИЯУ МИФИ, выступающая при поддержке компании «Смарт Текнолоджис», вышла в финальные состязания международного чемпионата «Битва роботов — 2026», одержав победу в отборочном этапе. Финал состоится 31 октября в Казани. Чемпионат, объединивший 144 команды из 10 стран, проводится в рамках ИТ-форума «Цифровые решения» и Kazan Digital Week. |
| «1С-Рарус» представил отраслевые решения на партнерском семинаре 1С, 1С-Рарус, 21:42, 13.10.2026, Россия51 |
| «1С‑Рарус» провел отраслевой день в рамках традиционного осеннего партнерского семинара фирмы «1С». К трансляции 15 докладов подключились 230 слушателей. Эксперты «1С-Рарус» показали, как ИИ помогает решать повседневные задачи бизнеса. Разобрали, какие процессы и учетные системы нужно изменить для работы с ЭПД и маркированными товарами. |
|
|
