Обгоняет GigaAM и Whisper: «Т-Банк» опубликовал T-one, потоковую модель распознавания речи на русском языке
Компания «Т-Технологии», технологическое подразделение «Т-Банка» (ранее — «Тинькофф Банка»), представила свою новую разработку — модель распознавания речи T-one. Модель была выложена в открытый доступ, что позволяет любому желающему воспользоваться ее возможностями.
Разработчики подчеркивают, что T-one — это потоковая ASR-модель (Automatic Speech Recognition), которая при сравнительно небольшом размере в 70 млн параметров демонстрирует высокое качество распознавания речи на русском языке. Особенно эффективна модель на шумных и сжатых записях из колл-центров, где ошибки распознавания могут приводить к финансовым потерям для бизнеса.
T-one изначально была спроектирована для работы в реальном времени с аудиопотоком произвольной длины. Модель уже успешно используется во внутренних продуктах «Т-Технологий», включая службу поддержки «Т-Банка», мобильного секретаря в «Т-Мобайле», а также в инструментах защиты от спам-звонков.
В «Т-Технологиях» отметили, что общепринятых валидационных датасетов для телефонии на русском языке в открытом доступе с должным качеством разметки не существует. Однако, по внутренним бенчмаркам, T-one обгоняет другие открытые ASR-модели, такие как GigaAM v2 на 242–243 млн параметров и Whisper Large-v3 на 1,5 млрд параметров, по качеству распознавания речи на русском языке в телефонии.
Кроме того, T-one достаточно компактна, чтобы запускать ее без необходимости закупать дорогостоящее оборудование. Модель распространяется по лицензии Apache 2.0, что позволяет свободное коммерческое использование и модификацию.
Таким образом, «Т-Технологии» сделали значительный шаг вперед в области распознавания речи на русском языке, предоставив бизнесу и разработчикам мощный инструмент для повышения эффективности и качества обслуживания клиентов.
Подпишитесь на новости в телеграм: https://t.me/itnewsros