 |
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: 477
Страна: Россия
| Обновленный модуль «ИНКА.НСИ» внесен в реестр российского ПО, Инка, 23:44, 21.10.2026, Россия30 |  |
| Компания «ИНКА 4.0» внесла в реестр отечественного программного обеспечения обновленную версию модуля «ИНКА.НСИ». Решение предназначено для ведения и контроля корпоративной нормативно-справочной информации, на которую опираются информационные системы предприятий. |
| «Инвитро» повысила устойчивость цифровых сервисов благодаря observability платформе GMONIT, GMONIT, 23:41, 21.10.2026, Россия35 |
| Медицинская компания «Инвитро» внедрила observability платформу GMONIT для централизованного мониторинга критически важных приложений, баз данных и инфраструктуры. Решение направлено на повышение устойчивости цифровых сервисов, ускорение выявления и устранения инцидентов, а также обеспечение выполнения SLA (Service Level Agreement) с клиентами — медицинскими учреждениями и больницами. |
| 1Событие для малого бизнеса, 1С-Рарус, 23:26, 21.10.2026, Россия38 |
| 1Событие для малого бизнеса. Выставочный комплекс «Тимирязев Центр», г. Москва, ул. Верхняя аллея, д. 6, стр. 1. 27 ноября 2026, с 10:00 до 19:00 |
| DLBI: атаки на корпоративную почту выросли в 2,5 раза, Data Leakage & Breach Intelligence, 23:11, 21.10.2026, Россия46 |
| По данным российского сервиса разведки уязвимостей и утечек данных DLBI, число атак на корпоративные почтовые системы в России в III квартале выросло в 2,5 раза по сравнению со II кварталом этого года. Также взломщики атакуют личные почтовые аккаунты на бесплатных платформах. |
| «Телфин» интегрировал «ВКонтакте» с amoCRM и «Битрикс24», Телфин, 23:01, 21.10.2026, Россия42 |
| Провайдер коммуникационных сервисов «Телфин» объединил социальную сеть «ВКонтакте» с ведущими CRM-платформами в России amoCRM и «Битрикс24» с помощью виджета Whatcrm. Интеграция решений позволяет превратить мессенджер из канала общения в полноценный инструмент продаж. |
|
|
