Технология распознавания аудиосообщений ВКонтакте вызвала рост обмена голосовыми — и разработчики соцсети реализовали новые возможности алгоритмов и технологии распознавания голосовых сообщений.
Как сообщает пресс-служба социальной сети, теперь пользователи могут записывать голосовые сообщения продолжительностью до часа и расшифровывать аудиозаписи продолжительностью до двух минут.
Голосовые сообщения в ВК остаются самым популярным способом общения, обгоняя, например, фотографии. С момента запуска функции расшифровки (июнь 2020 г.), количество пользователей сервиса увеличилось на 10% и достигло 33 миллионов человек. В среднем каждый пользователь сервиса читает 8 расшифровок в день.
Теперь всего за секунду можно расшифровать записи продолжительностью до двух минут — это 99% всех аудио, которые отправляют пользователи. А в тех случаях, когда хочется рассказать длинную историю, можно записать голосовое длительностью до часа.
Технология распознавания аудиосообщений — собственная разработка команды разработчиков ВКонтакте. Чтобы переводить в текст более продолжительные записи, не жертвуя скоростью, разработчики нашли новое технологическое решение. Алгоритмы автоматически разбивают длинное аудио на короткие блоки, расшифровывают их все одновременно, а затем объединяют обратно в одно сообщение. При этом они умеют разделять запись, не разбивая слова на части, чтобы не искажать смысл сказанного, — для этого используется технология Voice Activity Detection. На распознавание сообщения уходит около секунды.
Распознавание голосовых сообщений полностью автоматизировано. Для обучения нейросетей используются аудио, которые специально для этой задачи записывают участники программы VK Testers.
