Отношение сигнал/шум (SNR) — это соотношение уровня полезного звука, то есть голоса, к уровню фонового шума вокруг. Показатель измеряют в децибелах: чем он выше, тем чище запись и тем легче системе распознавания разобрать речь. Такой параметр важен для любого распознавания речи, включая облачное — например, у «Потока» (potok.now).
Любая запись голоса содержит не только слова, но и фон — гул кондиционера, уличный шум, шорох. SNR — способ сравнить, сколько в записи полезного сигнала и сколько шума, одним числом в децибелах.
Чем SNR отличается от похожих понятий
SNR — техническая характеристика самой звукозаписи: он показывает, сколько в сигнале полезного голоса по сравнению с фоновым шумом, и не зависит от того, какая программа потом эту запись распознаёт. Это принципиально отличает SNR от метрик качества распознавания — например, от доли ошибочных слов в уже готовом тексте, WER (Word Error Rate): WER считают после того, как модель распознала запись, а SNR — свойство самого звука ещё до этого этапа. Подробнее о самой технологии перевода речи в текст — на странице про ASR (автоматическое распознавание речи).
Отношение сигнал/шум не стоит путать и с показателями скорости работы системы вроде RTF (real-time factor) — те измеряют, насколько быстро программа успевает обработать звук, а не насколько он чистый. SNR, WER и RTF — числовые характеристики разных этапов одного процесса: сначала запись со своим уровнем шума, потом её распознаёт модель со своей скоростью, и в результате получается текст с какой-то долей ошибок. Другие подобные термины собраны в общем словаре сайта — полный список статей.
Как измеряют отношение сигнал/шум (SNR)
Измеряют SNR как соотношение мощности полезного сигнала к мощности шума и выражают это соотношение в децибелах — так его определяет и техническая литература: «SNR is defined as the ratio of signal power to noise power, often expressed in decibels» — «SNR определяется как отношение мощности сигнала к мощности шума, часто выраженное в децибелах».
Чем выше это число, тем больше в записи полезного голоса по сравнению с фоном — и тем легче системе точно распознать речь.
| Термин | Что значит | Пример |
|---|---|---|
| Отношение сигнал/шум (SNR) | соотношение уровня полезного звука (голоса) к уровню фонового шума | чем выше SNR, тем легче системе точно распознать речь |
| Субтокенизация (subword-токенизация) | разбиение слов на более мелкие частотные части для работы языковой модели | субтокенизация позволяет модели работать даже с незнакомыми словами |
| Attention-механизм | часть нейросети, которая позволяет модели фокусироваться на релевантных участках звука при генерации каждого слова | attention-механизм лежит в основе современных трансформерных ASR-моделей |
| 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 |
Что из этого у Потока не заявлено
У «Потока» есть опубликованная метрика точности — WER 2,1% на нашем бенчмарке GolosTest, — но конкретного значения SNR для своей модели «Поток» не публикует. Известно только общее правило, которое верно для любой системы распознавания речи: чем выше сигнал/шум, тем легче модели разобрать голос.
«Поток» — облачный сервис, распознавание идёт на серверах в России; без интернета «Поток» не работает.
Частые вопросы
SNR измеряют в децибелах — как отношение мощности полезного сигнала к мощности шума. Чем больше это число, тем меньше фонового шума приходится на каждую единицу полезного голоса в записи.
Нет: конкретного значения SNR для своей модели «Поток» не приводит.
Скачать «Поток»
Работает по одной клавише в любой программе. 14 дней полного доступа, потом Free 2500 слов в неделю или Pro 690 ₽/мес (499 ₽/мес за год). «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Одна подписка — два инструмента: диктовка в любой программе на компьютере и @potok_now_bot в Telegram, который расшифровывает голосовые, аудио и видео.
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