 |
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: 444
Страна: Россия
| TS Solution усилила защиту корпоративных секретов с помощью BearPass, Индид, 22:08, 01.09.2026, Россия197 |
| Компания TS Solution, системный интегратор полного цикла в сфере ИБ и построения ИТ-инфраструктуры, успешно внедрила менеджер паролей BearPass от российского разработчика «Беарпасс» (входит в Группу «Индид»). Решение позволило централизовать хранение и управление корпоративными секретами и обеспечить контролируемый доступ к учетным данным. |
| «Навикон» получил статус «Участник проекта 1С:Центр ERP», Navicon, 23:06, 31.08.2026, Россия295 |  |
| Системный интегратор и разработчик «Навикон» вошел в число партнеров 1С со статусом «Участник проекта 1С:Центр ERP». Его получение подтверждает наличие у интегратора полного набора необходимых компетенций по ERP-решениям линейки 1С, опытных специалистов и успешно реализованных проектов. |
| В iSpring Suite появился ИИ-помощник для работы с текстом, iSpring, 23:05, 31.08.2026, Россия312 |  |
| Компания iSpring, разработчик решений для корпоративного обучения, обновила конструктор для создания интерактивных курсов iSpring Suite. В новой версии появился ИИ-помощник для работы с текстом. Он берёт на себя рутинную работу с текстом прямо в iSpring Suite. |
| Omdia: Hisense заняла первое место в мире по объему поставок телевизоров с диагональю от 100 дюймов и более в первом полугодии 2026 года, Hisense, 23:04, 31.08.2026, Россия186 |  |
| По данным Omdia, международного института маркетинговых исследований, компания Hisense, один из ведущих мировых производителей телевизионной и бытовой техники, вышла на первое место в мире по объему поставок телевизоров с диагональю от 100 дюймов и более с долей рынка, равной 55,1%. |
| «1С-Рарус» внедрил «1С:Управление предприятием общепита» в отелях сети Cosmos, 1С-Рарус, 22:59, 31.08.2026, Россия190 |
| Внедрение «1С:Управление предприятием общепита» разработки «1С-Рарус» обеспечило бесшовную интеграцию бэк-офисных функций и унификацию стандартов в сфере общественного питания сети отелей Cosmos. В результате проекта удалось внедрить единую систему управления ресторанной службой в отелях, стандартизировать и повысить прозрачность закупочного процесса, что повлияло на снижение операционных затрат. |
|
|
