Акустическая модель — это часть системы распознавания речи, которая сопоставляет звуковой сигнал с фонемами и звуками языка: именно она отвечает за то, как звучат отдельные звуки речи. Она работает не сама по себе, а вместе с другими частями системы распознавания речи.
Термин «акустическая модель» встречается почти в любом описании того, как устроено распознавание речи, но из самого названия не всегда понятно, что именно эта часть делает и чем она отличается от системы в целом. Разобраться в этом помогает список терминов распознавания речи.
Где акустическая модель встречается на практике
Про акустическую модель чаще всего говорят в статьях и документации, которые объясняют устройство систем распознавания речи изнутри: там её обычно называют одной из ключевых частей ASR-конвейера.
Смысл термина проще понять через его задачу: акустическая модель отвечает за то, как звучат отдельные звуки речи. Она не занимается словами или смыслом фразы целиком — это работа других частей системы; её область — сопоставление звукового сигнала с фонемами и звуками языка.
Поэтому же термин часто соседствует с общим устройством автоматического распознавания речи, где акустическая модель — лишь одна из составляющих всей системы.
Что такое акустическая модель простыми словами
Акустическая модель — это часть системы распознавания речи, которая сопоставляет звуковой сигнал с фонемами и звуками языка. Проще говоря, она берёт то, что записал микрофон, и определяет, какой именно звук речи там прозвучал, — ещё до того, как из отдельных звуков соберётся слово.
Английское описание акустической модели прямо связывает её с автоматическим распознаванием речи: она нужна, чтобы отразить связь между звуковым сигналом и фонемами или другими языковыми единицами, из которых состоит речь. Акустическая модель отвечает за то, как звучат отдельные звуки речи, а не за то, что означает сказанное целиком — смысл и структуру фразы собирают уже другие части системы.
| Термин | Что значит | Пример |
|---|---|---|
| Акустическая модель | часть системы распознавания речи, которая сопоставляет звуковой сигнал с фонемами и звуками языка | акустическая модель отвечает за то, как звучат отдельные звуки речи |
| RTF (Real-Time Factor) | отношение времени обработки к длительности самой записи — показатель скорости работы ASR-системы | RTF меньше 1 означает, что система распознаёт быстрее, чем длится сама речь |
| TTS (Text-to-Speech) | технология синтеза речи из текста — обратная задача по отношению к распознаванию речи | TTS озвучивает текст, а ASR, наоборот, превращает речь в текст |
| CER (Character Error Rate) | метрика точности распознавания на уровне символов, а не целых слов | CER особенно полезен для мультиязычных наборов данных и языков, где WER плохо применим из-за разнообразия способов деления текста на слова |
Ограничения Потока по этой части
Поток — облачный сервис, распознавание речи идёт на серверах в России; без подключения к интернету оно не работает.
Частые вопросы
Она сопоставляет звуковой сигнал с фонемами и звуками языка — определяет, какой именно звук речи прозвучал, ещё до того, как эти звуки соберутся в слова.
Нет, это только одна из её частей. Акустическая модель отвечает за звучание отдельных звуков речи, а не за распознавание речи целиком.
Проверить за вечер
Установите «Поток», продиктуйте то, что обычно печатаете, и сравните. 14 дней полного доступа, карта не нужна. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Готовые записи расшифровывает Telegram-бот «Потока» @potok_now_bot: пришлите файл или ссылку на YouTube, VK Видео или RuTube — текст придёт в чат. Подписка «Потока» снимает лимит и в боте.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: en.wikipedia.org · support.microsoft.com