|
||
|
menu
| ||
|
|
|
|
|
BC/NW 2025 № 1 (42):13.3 . РАЗВИТИЕ СОВРЕМЕННЫХ СИСТЕМ ТРАНСКРИБАЦИИ АУДИО- И ВИДЕО КОНТЕНТА Баруздин М.М., Раскатова М.В. Современные технологии автоматической транскрибации аудио- и видеоконтента активно внедряются в различные отрасли и становятся важным инструментом для обработки информации. Они значительно ускоряют создание текстовых версий медиаматериалов, что упрощает анализ данных, поиск и интеграцию информации. Однако процесс автоматической транскрибации остаётся сложной задачей. Процесс сопровождается рядом проблем [1], которые ограничивают точность и надёжность систем. Для преодоления этих трудностей активно усовершенствуются современные алгоритмы и архитектуры, которые повышают точность и гибкость обработки речи. Благодаря использованию инновационных подходов, таких как глубокое обучение и гибридные модели, становится возможным не только повышать качество распознавания речи, но и оптимизировать системы для специфических задач и условий. В рамках настоящего исследования были изучены основные этапы эволю- ции технологий Speech-to-Text (STT), начиная с традиционных методов на базе скрытых марковских моделей (HMM) [2] и завершая современными решениями на основе нейронных сетей. Рассмотрены архитектуры и возможности популярных open-source решений, а также проведён их сравнительный анализ обработки выдвинутых проблем. Результаты исследования демонстрируют, что применение современных алгоритмов и подходов в системах автоматического распознавания речи (ASR) значительно улучшает обработку аудиоданных. Однако эффективность их применения зависит от специфики задачи, качества данных и требований к модели.
Литература 1. Галунов В.И., Соловьев А.Н. Современные проблемы в области распознавания речи // Информационные технологии и вычислительные системы. — 2004. — № 2. — С. 41–45. 2. Маковкин К.А. Гибрибные модели — Скрытые марковские модели / Многослойный персептрон — и их применение в системах распознавания речи. Обзор // Речевые технологии. 2012. Выпуск 3. С. 58–83.
|