3i Technologies представил облачный сервис для профессиональной обработки ТВ и радио-контента

Консорциум 3i Technologies анонсировал облачный сервис, разработанный для профессиональной обработки речевых данных из медийного контента – 3i Speech Recognition API. Как рассказали CNews в компании, сервис позволяет с точностью более 90% переводить теле- и радио-эфиры и медиа-архивы ТВ-каналов и радиостанций в текстовый формат. 3i Speech Recognition API работает с аудио и видео любой длительности. Сервис обрабатывает загруженные в облако файлы в несколько раз быстрее реального времени звучания и выдает на выходе «стройный» текст, разбитый на предложения с расставленными знаками препинания. Бета-версия 3i Speech Recognition API открыта для публичного тестирования. «Это специализированный сервис, ориентированный на обработку именно телевизионного или радио-контента. Мы разработали уникальные модели, которые позволили добиться очень высокой точности распознавания. Надеемся, что сервис будет полезен профессионалам, которые работают с медиа-контентом. В дальнейшем он может стать частью высокотехнологичных решений для массового потребителя, например, основой для перевода иностранных каналов и субтитрирования в режиме реального времени. Все технологии для создания такого продукта у компаний, входящих в консорциум, уже есть», - сказал председатель совета директоров консорциума 3i Technologies Алексей Любимов. В сервисе используются языковые и акустические модели, построенные с применением машинного обучения, технологий рекуррентных нейронных сетей (Recurrent Neural Network, RNN) и взвешенных конечных автоматов (Weighted Finite State Transducer, WFST). Вычислительная инфраструктура реализована с ускорением на GPU, что позволяет получать многократный прирост производительности относительно CPU. Языковые модели для повышения качества распознавания могут быть адаптированы под узкую предметную область. Например, для перевода в текст «экономических» или «отраслевых» передач, в которых спикеры используют профессиональную лексику. Бета-версия 3i Speech Recognition поддерживает русский и английский язык. 3i Speech Recognition будет полезен в работе разработчиков программного обеспечения, системных интеграторов, специалистов в области создания и обработки медиаконтента (телерадиовещательные компании, продакшн-студии, креативные агентства, фрилансеры и т.д.). Сервис быстро и легко интегрируется в приложения и комплексные решения сторонних разработчиков. Консорциум 3i Technologies учрежден в 2014 году компаниями DSS Lab и InfoQubes, в 2016 к нему присоединилась компания PROMT. Консорциум объединяет российские научные и инженерные коллективы, специализирующиеся на разработке технологий, продуктов и сервисов интеллектуальной обработки больших массивов данных различной природы. 3i Technologies обладает уникальными технологиями поиска, обработки и анализа текстовой, аудио- и видеоинформации, которые защищены патентами и авторскими свидетельствами. Компании, входящие в консорциум, предлагают клиентам широкий спектр программной продукции: от мобильных приложений до комплексных прикладных ИТ-решений и программных библиотек для сторонних разработчиков. Программные решения 3i Technologies внедрены у клиентов, работающих в РФ и странах СНГ. Ссылка на источник