Рекогнан — инструкция по использованию¶
Рекогнан — это программное обеспечение для автоматического распознавания речи (ASR, Automatic Speech Recognition), разработанное российской компанией «Сбербанк» (раздел «Сбер AI»). Система преобразует аудиозаписи в текст с высокой точностью, поддерживает русский и другие языки и применяется в корпоративных и государственных проектах. Инструкция по использованию рекогнана описывает порядок подготовки аудиоданных, запуска распознавания, настройки параметров и обработки результата.
¶Общие сведения
Рекогнан относится к классу систем автоматического распознавания речи и работает на основе нейросетевых моделей, обученных на больших корпусах русскоязычной речи. Система ориентирована на обработку телефонных разговоров, переговоров, диктофонных записей и аудио из видеоматериалов. Точность распознавания зависит от качества записи, уровня фонового шума, чистоты дикции говорящих и корректности настроек.
¶Подготовка аудиоданных
Перед запуском распознавания инструкция рекомендует подготовить аудиофайлы в поддерживаемом формате (как правило, WAV, MP3, FLAC или OGG). Основные требования:
- частота дискретизации — 8 кГц (телефонная речь) или 16 кГц и выше (студийные записи);
- моно- или стереозвук; при стерео записи рекомендуется предварительное сведение в моно;
- длительность записи — от нескольких секунд до нескольких часов; для длинных файлов предусмотрено посегментное разбиение;
- отсутствие сильных помех: музыкального фона, эха, перекрывающихся голосов.
Для удаления шума и нормализации громкости могут использоваться внешние инструменты (например, SoX, Audacity) или встроенные модули платформы.
¶Запуск распознавания
Рекогнан доступен в нескольких режимах: через веб-интерфейс, по REST API или в виде локального контейнера (Docker). Инструкция описывает следующий порядок действий:
- Авторизация в системе и получение токена доступа.
- Загрузка аудиофайла или указание ссылки на него.
- Выбор языка распознавания и модели (например, «general» для обычной речи, «telephone» для низкокачественных записей).
- Запуск задачи и ожидание завершения обработки.
Через API запрос формируется в формате JSON и содержит ссылку на аудиоресурс, параметры модели и признаки постобработки (например, автоматическая расстановка знаков препинания, выделение говорящих).
¶Параметры и настройки
Инструкция рекогнана описывает набор ключевых параметров:
| Параметр | Назначение |
|---|---|
| Язык | Определяет модель распознавания (русский, английский и др.) |
| Тип модели | Обычная речь, телефонная речь, речь с шумом |
| Разбиение на сегменты | Автоматическое деление длинной записи на фрагменты |
| Диаризация | Разделение записи по говорящим |
| Пунктуация | Автоматическая расстановка знаков препинания |
| Временные метки | Привязка текста к таймкодам аудиозаписи |
¶Обработка результата
По завершении обработки система возвращает текст распознанной речи в формате JSON или TXT. Результат содержит таймкоды, текст и (при включённой диаризации) идентификаторы говорящих. Инструкция рекомендует:
- проверять распознанный текст на предмет ошибок в именах собственных, названиях и специальной терминологии;
- при необходимости использовать словари домена (отраслевые лексиконы) для повышения точности;
- сохранять исходные аудиозаписи для последующей верификации.
¶Применение
Рекогнан используется в контакт-центрах для анализа разговоров, в юридической практике для расшифровки протоколов и аудиозаписей, в медиаиндустрии для создания субтитров, а также в государственных и образовательных проектах. Система интегрируется с другими продуктами Сбера и сторонними платформами через API.
¶Ограничения
Точность распознавания снижается при сильных помехах, нестандартном произношении, акцентах и перекрывающихся голосах. Инструкция рекомендует для критичных задач использовать ручную корректировку результата.
¶Источники
- Документация Сбер AI по продукту «Рекогнан»
- Технические руководства по распознаванию речи (ASR)
- Материалы конференций по обработке естественного языка (NLP)
