Что такое boosting пользовательских слов в распознавании речи

Boosting пользовательских слов — повышение вероятности распознавания конкретных слов из личного словаря пользователя: слову присваивают вес, и чем он выше, тем вероятнее система выберет именно его среди похожих по звучанию вариантов расшифровки. Модель «Потока» (potok.now) обучена под русскую речь, включая термины; редкие слова — в личный словарь (Pro).

Boosting встречается в описаниях облачных сервисов распознавания речи и в документации разработчиков — обычно рядом со словами «личный словарь» или «адаптация модели». Термин соседствует с другими понятиями распознавания речи и оценки его качества — разберёмся, что стоит за ним и как он связан с редкими словами и именами.

Где встречается boosting пользовательских слов

Термин используется там, где систему распознавания речи можно донастроить под конкретного пользователя или организацию:

• в облачных сервисах распознавания речи с настройкой под пользователя — например, у Google Cloud Speech-to-Text это устроено через ресурс с фразами (PhraseSet), где каждой фразе присваивают вес: чем он выше, тем охотнее модель выбирает её среди возможных вариантов расшифровки;
• в описаниях функции адаптации модели под редкие в общем языке слова: собственные имена, названия компаний, узкоспециальные термины;
• в личных словарях программ голосового ввода, куда пользователь добавляет свои слова и имена, — само слово «boosting» в интерфейсе таких программ обычно не показывают, это техническое название механизма внутри;
• в документации для разработчиков, которые настраивают распознавание речи под конкретный проект или отрасль.

Почему это важно при выборе программы для диктовки

Если человек часто диктует редкие фамилии, названия компаний или профессиональные термины, наличие в программе механизма, похожего на boosting, — сигнал, что таким словам можно заранее повысить вероятность правильного распознавания. Смысл механизма из определения термина простой: слову из личного словаря присваивают вес, и чем он выше, тем охотнее система выбирает именно это слово среди возможных вариантов расшифровки, а не что-то похожее по звучанию.

Программа для диктовки не обязана называть эту функцию словом «boosting» — на практике она чаще подписана как «личный словарь» или «пользовательский словарь». Наличие такого словаря в описании программы означает, что редкие слова и имена можно внести в список заранее, и система будет учитывать это при выборе между похожими вариантами. Если такой настройки в описании нет, распознавание опирается только на общую языковую модель без отдельного механизма повышения вероятности конкретных слов. Разницу такой настройки удобнее всего заметить не по общей цифре вроде WER, а на конкретных редких словах, которые раньше распознавались неверно.

Где Поток тут ни при чём

У «Потока» (potok.now) отдельного термина «boosting» нет: модель «Потока» обучена под русскую речь, включая термины, а для по-настоящему редких слов и имён — личный словарь (Pro), данные которого хранятся на серверах в России; «Поток» облачный, без интернета не работает. Одна подписка открывает и приложение для диктовки, и Telegram-бота @potok_now_bot — для расшифровки уже готовых записей и голосовых сообщений.

Частые вопросы

Встроенная диктовка и «Поток»

Первоисточники: cloud.google.com · support.microsoft.com