Преимущества
Scriptur by Speech Lab распознает
казахскую, русскую и казахско-русскую речь - в естественных разговорных ситуациях
В живой речи языки постоянно смешиваются. Фразы обрываются, слова проглатываются, собеседники перебивают друг друга. Люди говорят естественно, не задумываясь о правилах и не подстраиваясь под технологию.
Scriptur by Speech Lab рассчитана именно на такие разговоры. Модель не пытается "исправить" речь или загнать её в стандартные рамки —вместо этого она адаптируется к реальному языковому поведению.
Code-switching
Корректно распознаёт казахско-русскую речь внутри одного предложения без потери контекста
Структура диалога
Сохраняет логику беседы и естественный поток разговора
В результате расшифровка выглядит как нормальный разговор, а не как машинный лог. Текст можно сразу использовать для аналитики, обучения или архивирования без дополнительной обработки.
Обучение на живых данных
В основе модели — анализ более 10 000 часов реальных разговоров. Это не студийные записи с профессиональной дикцией, а настоящие диалоги со всеми их особенностями:
- Звонки колл-центров с разным качеством связи
- Разные акценты и диалекты казахского языка
- Плохая связь, фоновые шумы и телефонная компрессия
- Эмоциональная речь, быстрый темп, паузы и заполнители
При обучении учитывались 42 типа искажений, характерные для телефонных сетей. Поэтому модель стабильно работает в сложных условиях — там, где другие системы начинают терять точность.
Быстродействие и устойчивость
Высокая точность распознавания бесполезна, если система не справляется с нагрузкой или задерживает ответ. Scriptur by Speech Lab спроектирована для промышленного использования:
200
Секунд аудио в 1 секунду
Обработка в режиме реального времени с запасом производительности
99.99%
Uptime
Стабильная работа при высокой нагрузке и пиковых значениях
История проекта
Немного истории
Работа над Speech Lab началась с простой задачи — сделать распознавание казахской речи по‑настоящему надёжным. В 2020 году на рынке не было решений, которые бы стабильно работали с живой казахской речью в условиях телефонных звонков.
Команда Kazdream начала с нуля: собирала собственные датасеты, вручную размечала тысячи часов аудио, проверяла каждую гипотезу на реальных звонках. Первые версии модели показывали обнадёживающие результаты, но до промышленного качества команда прололжала улучшать модель.
Сегодня Scriptur by Speech Lab достигла точности 92% на казахском языке и 95% на русском — результаты, которые делают её одной из лучших моделей для этих языков в регионе.
1
2018 — Первые эксперименты
Сбор данных, тестирование базовых ASR-подходов, формирование команды и видения проекта
2
2019 — Первый прототип
Запуск пилотных проектов с казахстанскими компаниями, сбор обратной связи, расширение датасета
3
2021 — Архитектурный переход
Переход на архитектуру Conformer, улучшение работы со смешанной речью, рост точности
4
2023 — Промышленное качество
Интеграция Whisper и LLM-постобработки, достижение enterprise-уровня стабильности
5
2025 — Масштабирование
Улучшение всех типов показателей, готовность к развёртыванию в крупных организациях, расширение языковой поддержки, on-premises варианты
Со временем архитектура эволюционировала от ранних ASR-подходов к современным моделям на базе Conformer и Whisper. Каждая итерация улучшала не только точность, но и понимание того, как люди реально говорят — с перебивками, паузами, эмоциями и смешением языков.
Сегодня Speech Lab — это зрелая технология, которая продолжает улучшаться по мере накопления новых данных и сценариев использования. Команда постоянно собирает обратную связь от пользователей, анализирует сложные случаи и расширяет возможности модели.
Интересно
Интересные факты о Scriptur by Speech Lab
За технологией стоят годы исследований, сотни экспериментов и тысячи часов работы. Вот несколько фактов, которые показывают, как создавалась модель и что делает её особенной.
1
Реальные разговоры, а не дикторы
Большая часть обучающих данных — это записи настоящих диалогов со всеми их особенностями: паузами, заполнителями, перебивками, эмоциями. Никаких идеальных студийных записей.
2
42 типа искажений
Модель обучалась с учётом 42 типов искажений, которые встречаются в телефонных сетях: от компрессии кодеков до эха и фоновых шумов.
3
Code-switching как норма
Смешение языков не рассматривается как исключение или ошибка — это базовый режим работы модели, заложенный на этапе проектирования.
4
Казахский с первых версий
Архитектура оптимизировалась под казахский язык с самых ранних версий, а не адаптировалась постфактум из универсальной модели.
Развитие датасета
За годы работы команда собрала один из крупнейших размеченных датасетов казахской речи. Каждая новая запись проходит несколько этапов проверки качества, прежде чем попасть в обучающую выборку.
Датасет включает разные диалекты, возрастные группы, социолекты и профессиональные жаргоны. Это позволяет модели уверенно работать с речью самых разных людей.
