Система обнаружения голосовых сообщений в современных голосовых чатах работает на основе технологии распознавания речи (Speech-to-Text). 4

Общий принцип действия: 4

1. Устройство записывает голосовой запрос. 4
2. Нейросеть анализирует поток речи. 4 Волна звука делится на фрагменты — фонемы. 4
3. Затем нейросеть обращается к своим шаблонам и сопоставляет фонемы с буквой, слогом или словом. 4
4. Далее образуется порядок из известных программе слов, а неизвестные слова она вставляет по контексту. 4 В результате объединения информации с этих двух этапов получается перевод речи в текст. 4

Например, в приложении VK после записи и отправки голосового сообщения аудио попадает на сервер, где хранится модель для распознавания. 1 Запись обрабатывается тремя нейросетями: одна отвечает за распознавание речи, вторая находит подходящие слова, а третья расставляет знаки препинания. 1 Так в расшифровке появляется связный текст. 1