Что такое восстановление регистра (capitalization restoration)

Восстановление регистра (capitalization restoration) — это автоматическая простановка заглавных букв в начале предложений и в именах собственных: «иван приехал в москву» превращается в «Иван приехал в Москву». В «Потоке» (potok.now) заглавные буквы расставляются автоматически — диктовать «с заглавной буквы» отдельной командой не нужно.

Восстановление регистра — не про грамотность человека, а про отдельный шаг обработки текста: когда звук уже превращён в слова, решить ещё нужно, где поставить заглавную букву, а где оставить строчную. Термин — часть словаря терминов распознавания речи.

Что такое восстановление регистра (capitalization restoration) на практике

Системы распознавания речи на выходе часто дают текст без заглавных букв вообще: распознавание работает со звуком, а не с орфографией, и вопрос, где нужна прописная буква, решается отдельным шагом. По определению из английской Wikipedia, эта задача (в англоязычной литературе — truecasing) — про то, как определить правильный регистр слова там, где такая информация в самом звуке недоступна.

Пример показывает суть: фраза «иван приехал в москву» после восстановления регистра превращается в «Иван приехал в Москву» — заглавная появляется и в начале предложения, и в имени собственном, и в названии города. Без этого шага текст пришлось бы дочитывать и вручную поднимать регистр в нужных местах.

Рядом с этим термином в словаре стоит ASR — автоматическое распознавание речи: восстановление регистра — один из этапов обработки текста после того, как звук уже превращён в слова, а не часть самого распознавания звука.

Восстановление регистра простыми словами

Восстановление регистра — не формула и не метрика, а простое правило: заглавная буква должна стоять там, где она нужна по правилам письма, хотя в исходном звуке никакой «заглавности» не было — голос не отличает строчные буквы от прописных на слух. Термин относится к обработке текста уже после распознавания звука, а не к самому распознаванию: можно правильно расслышать каждое слово и всё равно ошибиться с регистром, если этот отдельный шаг работает плохо.

Смежные понятия — n-best-гипотезы, акустическая модель и сегментация речи — описывают более ранние этапы обработки звука, до того как текст вообще появился; они не про то, где ставить заглавную букву.

Как это работает в «Потоке»

В «Потоке» восстановление регистра происходит автоматически: заглавные буквы в начале предложений и в именах собственных программа расставляет сама, диктовать «с заглавной» отдельной командой не нужно. Как именно устроено это решение внутри модели, «Поток» не публикует — это факт результата, а не механизма. «Поток» — облачный сервис, распознавание идёт на серверах в России, без интернета не работает.

Частые вопросы

Встроенная диктовка и «Поток»

Первоисточники: en.wikipedia.org · support.microsoft.com