Спикер-зависимое распознавание — система, настроенная или обученная под голос конкретного человека, чтобы повысить точность именно для него. Ей противопоставляют спикер-независимое распознавание, рассчитанное на любого говорящего, — задача заметно сложнее. Ранний пример спикер-зависимой системы — Audrey от Bell Labs, распознававшая цифры, произнесённые одним конкретным диктором.
Ранние системы распознавания речи умели работать только с одним конкретным голосом — прежде чем ими пользоваться, требовалась настройка под самого человека. Термин «спикер-зависимое распознавание» описывает именно такой подход, и он до сих пор встречается в описаниях специализированных программ.
| Термин | Что значит | Пример |
|---|---|---|
| Спикер-зависимое распознавание | система, настроенная или обученная под голос конкретного человека для повышения точности | пример спикер-зависимой системы — Audrey (1952), созданная Bell Labs для распознавания цифр, произнесённых одним конкретным диктором |
| Сегментация речи | разбиение непрерывного звукового потока на отдельные смысловые или паузные фрагменты | сегментация помогает системе распознавать длинную речь по частям |
| Омофоны | слова, которые звучат одинаково, но пишутся и означают разное | «кампания» и «компания» — омофоны, которые ASR может перепутать без контекста |
| Языковая модель | часть системы распознавания речи, которая оценивает, насколько правдоподобна последовательность слов в языке | языковая модель помогает выбрать «распознаю» вместо похожего по звучанию «распознаю ли» |
Что проверить в описании программы
- Указано ли, что система требует «обучения голосу» или настройки перед первым использованием, — это признак спикер-зависимого подхода.
- Рассчитана ли программа на одного постоянного пользователя устройства или на любого, кто заговорит, — второе описывает спикер-независимую систему.
- Не путает ли описание «настройку под голос» с личным словарём терминов — это разные вещи: словарь добавляет отдельные слова, а не подстраивает саму модель под тембр или акцент говорящего.
Сама технология распознавания речи описана в термине ASR, а точность любой такой системы, включая спикер-зависимую, принято измерять через WER.
Частые заблуждения про спикер-зависимое распознавание
- «Это то же самое, что личный словарь программы» — нет: словарь добавляет отдельные редкие слова, а спикер-зависимая система настраивается под голос конкретного человека в целом.
- «Спикер-зависимое — значит устаревшее» — по определению термина оно описывает саму архитектуру системы, а не её возраст; ранний пример — Audrey от Bell Labs, но сам принцип этим не ограничен.
- «Спикер-независимая система хуже спикер-зависимой» — по определению это разные задачи: спикер-независимая рассчитана на любого говорящего, что описано как более сложная задача, а не как более низкое качество.
- Платформы
- Windows, macOS, Linux
- Бесплатно
- Free: 2500 слов в неделю; первые 14 дней — полный доступ без карты
- Pro
- Pro 690 ₽/мес, 499 ₽/мес при оплате за год
- Оплата
- российские карты, рубли
- Где распознаётся речь
- облако, серверы в России; нужен интернет
«Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает. Скачать: potok.now/download
Где Поток не даёт цифр
У «Потока» данных о настройке под голос конкретного человека нет — распознавание облачное, модель обучена под русскую речь в целом, включая термины. Серверы — в России, без интернета «Поток» не работает. Одна подписка «Потока» открывает и приложение для диктовки, и Telegram-бот @potok_now_bot для записей и голосовых.
Частые вопросы
Спикер-зависимая система рассчитана на одного конкретного человека и настраивается под его голос, а спикер-независимая — на любого говорящего без предварительной настройки под кого-то одного; по определению из Wikipedia вторая задача сложнее.
Как начать
«Поток» есть для Windows, macOS и Linux. Две недели всё открыто бесплатно, дальше — 2500 слов в неделю без оплаты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Голосовое из мессенджера или запись созвона можно переслать боту @potok_now_bot — он пришлёт текст. Бот входит в ту же подписку, что и приложение «Поток».
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