LID (Language Identification) — это когда система сама определяет, на каком языке звучит речь, без подсказки от человека: так работают сервисы с поддержкой нескольких языков, которым не нужно, чтобы пользователь переключал язык вручную. «Поток» (potok.now) при этом не выбирает язык из списка: он распознаёт русский пополам с английским в одной фразе, без ручного переключения.
Голосовые системы, которые понимают не один язык, а несколько, сталкиваются с вопросом: на каком языке сейчас говорит человек? Ответить на него автоматически, без подсказки от пользователя, — и есть задача LID, определения языка.
Что такое определение языка (LID) в распознавании речи
Определение языка, или LID (Language Identification), — это автоматическое определение того, на каком языке звучит речь, без участия человека. Задача решается до или во время распознавания: сервису нужно понять, на каком из нескольких языков сказана фраза, чтобы применить нужную модель.
По документации Google Cloud, сервис распознавания речи можно настроить на список из нескольких вероятных языков — система пытается расшифровать звук на наиболее подходящем языке из этого списка и помечает результат предполагаемым языковым кодом. Иными словами, вместо того чтобы заранее указывать один-единственный язык, программа сама выбирает его из заданного набора.
LID особенно нужен системам, которые поддерживают распознавание нескольких языков без ручного переключения: пользователю не приходится заранее сообщать программе, на каком языке он собирается говорить.
Рядом с LID в общем разборе терминов распознавания речи стоят понятия, тоже связанные с устройством распознавания: edge-вычисления (где именно работает модель), VAD (Voice Activity Detection — определение начала и конца речи) и ONNX (формат хранения моделей). Каждое из них отвечает за свою часть конвейера, а не за то же самое, что LID. Сам процесс, частью которого бывает LID, называется автоматическим распознаванием речи.
| Термин | Что значит | Пример |
|---|---|---|
| Определение языка (LID, Language Identification) | автоматическое определение того, на каком языке звучит речь | LID нужен системам, которые поддерживают распознавание нескольких языков без ручного переключения |
| Edge-вычисления | обработка данных на устройстве пользователя или рядом с ним, а не на удалённом сервере | edge-вычисления снижают задержку, но требуют ресурсов самого устройства |
| VAD (Voice Activity Detection) | определение участков записи, где действительно звучит речь, в отличие от тишины и шума | VAD отсекает паузы перед отправкой звука на распознавание |
| ONNX | открытый формат представления обученных моделей, позволяющий запускать их в разных средах и на разном оборудовании | модель в формате ONNX можно запустить не только там, где она была обучена |
Пример: зачем нужно определение языка
LID нужен системам, которые поддерживают распознавание нескольких языков без ручного переключения. Представим сервис распознавания, который работает и с английским, и с испанским: без LID пользователю пришлось бы каждый раз заранее выбирать язык в настройках. С LID программа сама определяет, на каком языке идёт запись, и подбирает подходящую модель.
У «Потока» (potok.now) языковой выбор устроен иначе: он не переключается между отдельными языками, а распознаёт русский пополам с английским в одной фразе — без ручного переключения и без выбора из списка.
Как это касается «Потока», а где нет
«Поток» — облачный сервис: распознавание идёт на серверах в России, и без интернета он не работает. Списка языков на выбор у него нет — только один режим: русский и русский вперемешку с английским; других языков «Поток» не поддерживает, определять и переключать их, как это делает LID в многоязычных сервисах, ему не нужно.
Частые вопросы
Нет: LID решает задачу выбора между несколькими языками, поэтому он нужен только системам, которые поддерживают распознавание нескольких языков без ручного переключения; для сервиса с одним языком определять нечего.
Попробовать на своих текстах
Скачайте «Поток» для Windows, macOS или Linux: первые 14 дней — полный доступ без карты. Потом бесплатно 2500 слов в неделю или Pro за 690 ₽ в месяц. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»В подписку «Потока» входит и Telegram-бот @potok_now_bot: перешлите ему голосовое или длинную запись встречи — он вернёт текст. Без подписки в боте 60 минут в месяц бесплатно.
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: docs.cloud.google.com · support.microsoft.com