Інформаційна система перетворення звукового україномовного тексту в письмовий на основі методів NLP та машинного навчання

Розпізнавання мовлення передбачає різні моделі, методи та алгоритми аналізу та опрацювання записаного голосу користувача. Завдяки цьому люди можуть керувати різними системами, які підтримують один із видів розпізнавання мовлення. Система перетворення мовлення на текст є одним із видів розпізнавання мовлення, що використовує розмовні дані для подальшого їх опрацювання. Також передбачено декілька етапів для опрацювання аудіофайла, під час якого використовують електроакустичні засоби, алгоритми фільтрації в аудіофайлі для виокремлення релевантних звуків, електронні масиви даних для вибраної мови, а також математичні моделі, які складають із фонем найімовірніші слова. Завдяки перетворенню мовлення на текст істотно пришвидшується та полегшується робота, а також знижується рівень стресу в людей, професії яких тісно пов’язані із набиранням великих текстів на клавіатурі. Окрім цього, такі системи допомагають бізнесу, адже концепція віддаленої праці стає все популярнішою, а отже, компанії потребують інструментів для запису та систематизації нарад у вигляді письмового тексту. Об’єктом дослідження є процес перетворення україномовного тексту на письмовий на основі методів NLP та машинного навчання. Предмет дослідження – алгоритми опрацювання файлів для виокремлення релевантних звуків та розпізнавання фонем, а також математичні моделі для розпізнавання масиву фонем як конкретних слів. Метою виконання роботи є проєктування та розроблення інформаційної системи для перетворення звукового україномовного тексту на письмовий на основі Web-додатка Ukrainian Speech-to-text, який є технологією для точного та легкого аналізу україномовних аудіофайлів та подальшої їх транскрипції у текст. Застосунок підтримує завантаження файлів із файлової системи та запис, із використанням мікрофона, а також збереженням проаналізованих даних. Також у статті описано етапи проєктування та загальну типову архітектуру розробленої системи перетворення звукового україномовного тексту на письмовий. Як свідчать результати експериментальної апробації розробленої системи, кількість слів ніяк не впливає на точність алгоритму перетворення, а зменшення відсотка невелике і спричинене складністю слів та низькою якістю мікрофона, а отже, і записаного аудіофайла.