Сибирский цирюльник

Сотрудники Новосибирского государственного университета представили улучшенную диалоговую систему на базе искусственного интеллекта. Она предназначена для распознавания русской речи и решает одну из главных проблем существующих аналогов — корректно форматирует текст, расставляя знаки препинания и заглавные буквы. В основе разработки лежит модель Whisper от OpenAI. Специалисты НГУ провели ее глубокую доработку, дообучив нейросеть на массиве данных объемом более 500 часов разговорной русской речи. Для этого использовались как открытые, так и синтетические источники. Авторский подход сибирских ученых заключается в том, что при нехватке реальных данных для моделирования различных ситуаций они генерировались с помощью других нейросетей. Таким образом, одна ИИ-модель использовалась для обучения другой, что позволило добиться более устойчивого распознавания. Система успешно прошла тестирование на сложных примерах, включая записи выступлений ученых — математика Алексея Савватеева и корееведа Андрея Ланькова и политика — бывшего главы ЛДПР Владимира Жириновского, продемонстрировав высокую точность. Основными сферами применения разработки названы качественное преобразование устной речи в текст и ее точный перевод на английский язык. В настоящее время обработка запроса занимает около 40 секунд. По планам разработчиков, в ближайшие месяцы это время будет сокращено до пяти секунд.