Распознавание речи

Описание технологии

Распознавание речи - Speech-To-Text(STT) - Automatic Speech Recognition(ASR) - преобразование речевого сигнала в текстовое представление.

Примеры использования

• Телефонные роботы
• Речевая аналитика
• Голосовой ассистент
• Контроль качества

Поддерживаемые форматы

1. MuLaw
2. ALaw
3. Linear16
4. Linear32F
5. RawOpus
6. MP3

Каналы

Поддерживаем одно- и двухканальные аудио.

Поддерживаемые Sample Rate

• 8000
• 11000
• 12000
• 16000
• 22000
• 24000
• 32000
• 44000
• 48000
• 96000

OPUS поддерживает Sample Rate, указанные в документации на оффициальном сайте.

Перечень поддерживаемых языков

• Русский

Поддержка моделей

• Используем универсальную модель, ориентированную на телефонные разговоры

Интеграция с Asterisk

• Для интеграции с Asterisk используется собственная разработка: https://github.com/TinkoffCreditSystems/asterisk-voicekit-modules

Используемые технологии

• DeepSpeech 2

Точность распознавания

Для оценки точности распознавания используется метрика WER - Word Error Rate.
WER показывается насколько распознанный текст отличается от оригинала.
При распознавании шумных GSM аудио WER ± 18
При хорошем качестве записи WER < 10
Так же WER может меняться в зависимости от тематики распознавания

Разметка данных

Разметка и сбор данных осуществляются на стороне нашего сервиса. С вашего разрешения мы будем осуществлять частичную разметку ваших данных с целью дообучения наших моделей

Доступ к API

Для получения доступа к API необходимо оставить заявку на https://voicekit.tinkoff.ru