Новости и аналитика

Распознавание речи iFLYTEK: как сопоставлять термины встречи со звуком

Два этапа внимания в EP4156176B1, оценка контекстных терминов и ограничения фактического сервиса транскрибации.

Список кандидатов дополняет, но не заменяет звуковые основания.
Список кандидатов дополняет, но не заменяет звуковые основания.

Стенограмма может правильно передавать обычные фразы, но путать важный код изделия. Патент iFLYTEK и Научно-технического университета Китая использует кандидаты из словаря для выделения звуковых признаков, а затем сопоставляет с этими признаками сами термины.

1. Почему важен короткий код

Представим обсуждение прототипов AX-17 и AX-70. Ошибка в окончании способна направить сотрудника к другому протоколу испытаний или изменить повестку следующей встречи.

В обучающих данных обычно больше общеупотребительных выражений, чем внутренних названий компании. Совпадающего звучания начала кода недостаточно для правильного выбора.

О выдаче совместного европейского патента EP4156176B1 объявлено 10 сентября 2025 года. В нём описан учёт подготовленного словаря непосредственно при преобразовании речи в текст.

2. Отдельное кодирование звука и словаря

Аудио и список контекстных терминов кодируются раздельно. Термин hotword здесь означает подходящее для ситуации слово, а не обязательно команду активации помощника.

В список можно включить названия и сокращения конкретной встречи. Наличие слова в списке ещё не означает, что оно прозвучало: нужны акустические основания.

Словарь участвует в декодировании. Это отличается от массовой замены фрагментов уже готовой стенограммы.

3. Последовательность двух механизмов внимания

Первый механизм использует кодирование терминов и состояние декодера, отражающее ранее декодированную информацию, чтобы выделить необходимый аудиопризнак.

Второй механизм на основе этого аудиопризнака оценивает кандидатов из словаря. Звуковые и словарные признаки объединяются для декодирования и классификации.

Классификатор рассматривает обычные символы, динамически добавленные термины и вариант отсутствия подходящего термина. Добавление слова не предписывает принудительно вставлять его в текст.

4. Условный пример AX-17 и AX-70

В воображаемой встрече общее начало AX позволяет рассматривать оба кода. Последующее звучание и контекст декодирования помогают различить окончания.

Иллюстрация объясняет взаимное сопоставление словаря и звука. Она не представляет измеренную точность и не подтверждает поддержку этих кодов коммерческим сервисом.

В испытания следует включать обычные слова и выражения вне списка. Чрезмерное предпочтение словаря может привести к вставке термина вместо действительно произнесённой фразы.

5. Патент и возможности сервиса

Изученная документация XFYUN по транскрибации в реальном времени допускает в стандартном сервисе пользовательские термины из китайских символов UTF-8, исключая цифры и латинские буквы. AX-17 служит примером механизма патента, а не допустимого ввода этого сервиса.

Условный пример взаимного сравнения AX-17 и AX-70.
Условный пример взаимного сравнения AX-17 и AX-70.

Официальная страница AINOTE 2 отдельно описывает транскрибацию, перевод и подготовку краткого содержания встреч. Эти сведения не доказывают реализацию конкретных пунктов формулы патента.

Ошибка в коде может перейти в перевод и итоговое резюме. Проверка только связности конечного текста способна скрыть исходную ошибку идентификации.

6. Что фиксировать при разработке

Нужно определять состав и версию словаря для каждой встречи. Наряду с общей частотой ошибок оценивают восстановление важных кодов, ложные вставки и влияние на обычные слова.

В техническом описании следует указать оба кодировщика, использование состояния декодера, порядок внимания и способ оценки обычных и контекстных кандидатов.

Предлагаемый механизм, ограничения сервиса и измеренные результаты фиксируют отдельно. Сравнение одного аудио с контекстной обработкой и без неё помогает показать техническое различие.

Сохранены исходные обозначения и формы; содержание раскрыто в тексте.

Встреча и коды условные; описание продукта не подтверждает реализацию конкретных пунктов формулы патента.

Публикация EPO EP4156176B1

Документация XFYUN по транскрибации

Официальная информация об AINOTE 2

Патент Socra AI на персонализацию обучения: разные ошибки — разные следующие задания

Ранняя обрезка NVIDIA: когда структура меньшей сети достаточно устойчива

Ознакомьтесь с проектами ИИ и материалами IPLEX для обсуждения распознавания речи и контекстного декодирования.

Опыт патентного поверенного Ким Ёндока в области ИИ

Исходная публикация в Tistory

Прочитать корейский оригинал

Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела.
Обсудить этот вопрос ↗Все статьи

Обсудим следующий шаг в защите ваших технологий и интеллектуальной собственности.