Исследование методов распознавания устной речи

В данной работе рассмотрен процесс создания системы распознавания русскоязычной речи, используя end-to-end DNN подход, рассмотрен принцип работы CTC (Connectionist Temporal Classification) слоя нейронной сети, ставшего прорывным в задачах генерации последовательностей (seq2seq), сгенерировано и проверено несколько языковых моделей для коррекции выходной текстовой последовательности. Кроме этого, модель была испытана на чистых и зашумленных наборах данных русскоязычной речи размерностью 11 и 120 часов соответственно. Актуальность работы обусловлена тем, что в открытом доступе всё ещё нет бесплатной обученной русскоязычной модели распознавания речи, которая может дать хорошие результаты. Результаты этой работы могут быть полезны широкому кругу специалистов (в том числе начинающим) в области распознавания речи, а также интересующимся этой темой, так как сохраненная и обученная модель предполагает быструю возможность разворачивания системы распознавания речи на своем сервере.