При построении разнообразных автоматизированных систем часто возникает потребность, чтобы эта система предоставляла какую-то обратную связь. Читать полностью »
Рубрика «распознавание речи»
Голос и микроконтроллер ESP32
2026-01-01 в 13:01, admin, рубрики: ruvds_статьи, STT, TTS, генерация речи, распознавание речи
Multi-API Ensemble: 95% точности транскрипции региональных топонимов
2025-12-09 в 14:30, admin, рубрики: asyncio, Ensemble, gemini, python, salutespeech, speech-to-text, Whisper, распознавание речи, сезон ии в разработке, транскрипцияОдин STT-сервис дал 60-70% точности на специфической лексике (топонимы, названия улиц, профессиональные термины). Два сервиса параллельно + взвешенное голосование + AI-fusion для спорных случаев дали 95%+ точности. Время обработки 5-8 секунд, стоимость $70-130/месяц при 1000 сообщений в день. В статье — полный разбор архитектуры, алгоритмы scoring, примеры кода и расчёт экономики.
Содержание
-
Почему один STT оказалось недостаточно
-
Эволюция решения: от 60% к 95%
-
Архитектура Multi-API Ensemble
-
Взвешенное голосование: математика выбора
-
AI-fusion: когда голосования недостаточно
Радар для прослушки телефона с трёх метров
2025-12-07 в 15:58, admin, рубрики: lora, OpenAI Whisper ASR, WirelessTap, ИИ-радар, миллиметровый радар, прослушка телефона, распознавание речи, слитная речь, словарный запас, чтение по губам
Современные технологии машинного обучения (ML) позволяют извлечь полезный сигнал из массива данных, который раньше считался просто шумом. Это открывает новые возможности для разведки и шпионажа, в том числе прослушки телефонов и слежки за гражданами.
Сыч: телеграм-бот, который помнит обиды и обходит лимиты Google Gemini
2025-12-05 в 16:30, admin, рубрики: AI, google gemini, javascript, llm, nodejs, голосовые сообщения, распознавание речи, чат-ботПривет, Habr
Сделал забавного бота который стал ещё и довольно полезным поэтому решил им поделиться. Хотелось сделать бота, который:
-
По запросу пойдёт в интернет и найдёт то, что мы обсуждаем прямо сейчас, так как он видит контекст беседы и часто понимает, о чём идёт речь, и в ответе даст ссылки на источники, которые найдёт
-
Понимает контекст беседы и не требует объяснять ему каждую деталь
-
Знает какой сейчас год и точное время и учитывает это при поиске информации и при ответах
-
Имеет характер и помнит, кто и как к нему относится в этом чате
-
Расшифровывает голосовые сразу для всего чатаЧитать полностью »
GigaAM-v3: открытая SOTA-модель распознавания речи на русском
2025-12-04 в 12:00, admin, рубрики: foundation models, huggingface, mit license, распознавание речиВ прошлой статье мы рассказывали о GigaAM — семействе открытых акустических моделей для русского языка и их дообученных вариантах под распознавание речи и эмоций. Сейчас мы представляем GigaAM-v3 — новую версию модели, которая ещё сильнее поднимает планку качества open source-моделей распознавания речи (Automatic Speech Recognition, ASR) на русском языке.
В этом посте расскажем:
-
что такое HuBERT-CTC и почему он даёт прирост качества минимум 10 % даже по сравнению с распространёнными в индустрии методами предобучения;
Голосовой ввод для Windows через Vosk своими руками
2025-11-23 в 14:30, admin, рубрики: python, speech-to-text, WinAPI, голосовые интерфейсы, распознавание речиПривет! Меня зовут Иван Володин, я разработчик DD Planet, и я задался целью сделать для себя максимально удобный скрипт для набора текста речью.
Содержание
«Weather» или «leather»? Почему будущее голосового ИИ не в улучшении микрофонов (на примере Google S2R)
2025-10-20 в 17:10, admin, рубрики: Google, s2r, speech-to-retrieval, векторное пространство, голосовой поиск, распознавание речи
Как Google S2R (speech-to-retrieval) решает проблему непонимания голосовых запросов
2025-10-20 в 17:10, admin, рубрики: Google, s2r, speech-to-retrieval, векторное пространство, голосовой поиск, распознавание речи
Про технологии: Нейросети: +1 в команде, часть 1
2025-10-09 в 12:54, admin, рубрики: ИИ, искусственный интеллект, локализация, машинное обучение, нейросети, озвучка видео, распознавание речиАвторы статьи: Михаил Кургузов, Владислава Гуза
Коротко о нас
Привет! Мы — сотрудники команды локализации и переводов в структуре подразделения, которое оказывает услуги по внедрению программных продуктов. Помогаем внедрять информационные системы и сервисы: осуществляем их локализацию, а также предоставляем обучение и поддержку на языке пользователя.
Цель статьи
В этой статье мы хотим рассказать вам о большом проекте по подготовке и локализации обучающих материалов для открытия розничных магазинов Спортмастер в Узбекистане.
