Как прослушать гс в Телеграмме не читая сообщение

Содержание

Команда SberDevices запустила бесплатный бот в Telegram, который конвертирует русскоязычные голосовые сообщения и аудиофайлы в текстовый формат. Бот работает на основе технологии распознавания речи SmartSpeech и станет удобным инструментом для журналистов, копирайтеров, переводчиков и представителей других профессий, которые работают с текстами.

Он позволит сэкономить часы работы, сократить рутину и значительно повысит эффективность при производстве контента. Также бот незаменим в ситуациях, когда у пользователя нет возможности прослушать голосовое сообщение: на встрече или в общественном транспорте. Бот можно использовать как в личной переписке, так и добавлять в групповые чаты. Он обеспечивает расшифровку голосовых сообщений и загруженных одноканальных аудиофайлов до 20 Мб в кодировках MP3, WAV (8-96 кГц), FLAC и OggOpus.

Что под капотом

При создании Telegram-бота мы использовали особую модель распознавания речи. Она очень похожа на ту, которая используется в работе виртуальных ассистентов Салют — как по архитектуре, так и по количеству параметров. Однако у этой модели есть существенное отличие — оно в обучающих данных.

Telegram гаснет экран при прослушивании

Главной задачей наших моделей, используемых виртуальными ассистентами, является распознавание запроса: команды или вопроса (“Салют, включи спокойную музыку”, “Джой, сколько сейчас градусов”). Обычно это очень короткие фразы. Кроме того, важная особенность таких моделей — игнорирование фоновой речи и речи, не обращённой непосредственно к виртуальному ассистенту.

Когда мы попробовали использовать существующие модели для распознавания аудиосообщений, очевидно, не получили необходимого качества: аудиосообщения зачастую длинные, а распознавать нужно весь запрос, не пропуская ни одного слова.

Еще по теме: Как почистить Телеграмм на Айфоне xr

Отлично. Проблема найдена, переходим к решению.

Сначала мы собрали из различных открытых источников длинные монологи, от нескольких десятков секунд до нескольких часов, порезали на короткие куски длиной не более 25 секунд и с помощью краудсорсинга получили для них транскрипции. А также перестали игнорировать фоновую речь.

Основная проблема такого подхода — трата большого количества времени на получение транскрипций. Процесс это долгий, и достаточное количество данных быстро таким образом не собрать. Пришлось прибегнуть к трюку.

На самом деле, модель, обученная не пропускать фоновую речь, у нас уже была – это модель, которая используется для распознавания телефонных разговоров. Однако для её обучения использовался принципиально другой звук: частота дискретизации 8кГц, а для голосовых сообщений мы взяли за основу 16кГц.

Напрямую, без потери информации, использовать её было нельзя, но с её помощью нам удалось расширить обучающую выборку. Мы взяли короткие куски монологов, для которых у нас ещё не было транскрипций, понизили их частоту до 8 кГц и сделали псевдоразметку: распознали записи с помощью модели для телефонии. Дальше просто привязали полученные транскрипции к исходному звуку с качеством 16 кГц.

Голосовые сообщения и аудиофайлы в Telegram | BotHelp

Кроме того, для формирования обучающей выборки мы использовали полученные ранее аудиозаписи с транскрипциями, на которых обучалась модель телефонии, повысив частоту дискретизации.

Таким образом, нам удалось значительно увеличить обучающую выборку, перестать игнорировать фоновую речь, и, как следствие, улучшить качество распознавания аудиосообщений в нашем Telegram-боте.

Пунктуация

Бот способен расставлять знаки пунктуации и делить текст на предложения. Это довольно простая seq2seq-модель 4-классовой классификации (пустота, точка, запятая, знак вопроса), обученная на открытых данных общения из интернета. В отличие от большинства моделей, наша не анализирует текст полностью, а учитывает паузы между словами для разбиения текста на значимые части, которые анализируются независимо. Это позволяет распознавать быстрее. А ещё мы не ставим точку в конце единичного предложения — так же, как и вы при общении в мессенджере.

Еще по теме: Почему не слышу звонок в Телеграмм

Приглашаем вас опробовать наш Telegram-бот в деле: https://t.me/smartspeech_sber_bot.

Блог компании SberDevices
Контент-маркетинг
Управление медиа
Голосовые интерфейсы

Источник: habr.com

Как бесплатно расшифровывать голосовые сообщения из Telegram? Есть специальные сервисы для войсов

В телеграме давно есть функция расшифровки аудиосообщений, но она доступна только премиальным пользователям. Впрочем, есть сервисы, которые позволяют переводить речь в текст бесплатно.

Эти инструменты можно найти в самом мессенджере — никуда идти не придется.

Расшифровка войсов в телеграме удобна и безопасна — нужно просто нажать на значок рядом с сообщением, и речь переведется в текст. Хоть подписка Telegram Premium и подешевела на 45%, многие не готовы отдавать свои деньги ради этой функции и уникальных эмодзи.

Можно и не платить! В телеграме есть боты, которые быстро и бесплатно занимаются расшифровкой. Один из первых — бот от «Сбера». Чтобы запустить расшифровку, нужно перейти по адресу, нажать Start (при первом запуске, затем не придется) и переслать ему войс. Ответным месседжем бот пришлет расшифровку.

В любом случае, лучше сохранить пару этих ботов и применять при необходимости. Пользуйтесь! Кстати, если вам нужно не только перевести речь в текст, но и убрать посторонние шумы из войса, можно воспользоваться этим инструментом. Тоже бесплатно и без гемора, но есть некоторые проблемы с русским языком.

Каждый лайк помогает каналу развиваться. Больше лайков – больше классных текстов!

Источник: dzen.ru