Распознавание речи · Модель распознавания речи, разделяющая записи звонков по каналам говорящих и преобразующая их в текст. Анализ, коучинг и оценка качества работают на основе этой расшифровки.
CALLAII ASR v4В работеПубликация сентябрь 2026
Разделяет записи звонков по каналам говорящих и преобразует их в текст. Эта версия обучена на десяти языках и на звуке, имитирующем условия телефонной линии; уровень ошибок в разговорах контакт-центра заметно снизился.
Что улучшено в этой версии
В сценариях контакт-центра уровень ошибок по словам на турецком языке снизился с 25,70% до 6,32%
На арабском, немецком, французском, английском и итальянском языках уровень ошибок снизился вчетверо и впятеро; результаты по языкам — на графике
Улучшение также зафиксировано на записанном турецком разговоре: 4,72% → 4,47% (800 записей)
Обучение проводилось на версиях одного и того же текста: телефонная линия, шумная среда и студийная запись
Данные предыдущей версии также вошли в обучение; при добавлении новых данных обучение не деградирует
Что умеет
В двухканальной записи клиент и оператор транскрибируются отдельно
Язык каждого канала определяется автоматически
Генерирует транскрипт с метками времени и метками говорящих
Тихие участки остаются пустыми; модель обучена не выдумывать фразы
Ограничения и ответственное использование
Замеры выполнялись на тестовых наборах; уровень ошибок на реальных телефонных звонках с эталонным текстом пока не измерялся
При наложениях речи и очень низком качестве записи уровень ошибок возрастает
имитация телефонной линии, шумная среда, студийная запись
Валидационный набор
11 859 записей
Шаг
19 369 · 1 эпоха
Дата обучения
сентябрь 2026
Потеря обучения
Каждая точка — среднее значение по 7 последовательным записям.
Показать значения в виде таблицы
Потеря обучения
175
10,8073
1 050
6,4649
1 925
5,6508
2 800
5,3350
3 675
5,0206
4 550
4,7431
5 425
4,6104
6 300
4,6143
7 175
4,5038
8 050
4,3882
8 925
4,4358
9 800
4,3362
10 675
4,2276
11 550
4,1843
12 425
4,2788
13 300
4,1626
14 175
4,1483
15 050
4,1727
15 925
4,0753
16 800
4,0031
17 675
4,0504
18 550
4,2040
19 350
4,0197
Потеря валидации
Измерено на примерах, не виденных при обучении; снижение показывает, что модель обучилась, а не зазубрила.
Показать значения в виде таблицы
Потеря валидации
1 000
0,1911
2 000
0,1611
3 000
0,1446
4 000
0,1345
5 000
0,1259
6 000
0,1187
7 000
0,1135
8 000
0,1097
9 000
0,1068
10 000
0,1050
11 000
0,1025
12 000
0,1021
13 000
0,1010
14 000
0,0997
15 000
0,0994
16 000
0,0985
17 000
0,0985
18 000
0,0984
19 000
0,0980
19 369
0,0981
Доля ошибок валидации (%)
Коэффициент ошибок на слово (WER)Коэффициент ошибок на символ (CER)
Ниже значение — лучше. Измерялась на валидационном наборе на протяжении всего обучения.
Показать значения в виде таблицы
Коэффициент ошибок на слово (WER)
1 000
15,03
2 000
13,22
3 000
12,06
4 000
10,78
5 000
10,51
6 000
10,01
7 000
9,60
8 000
9,72
9 000
9,52
10 000
9,43
11 000
9,36
12 000
9,35
13 000
9,38
14 000
9,52
15 000
9,23
16 000
9,36
17 000
9,35
18 000
9,36
19 000
9,24
19 369
9,41
Коэффициент ошибок на символ (CER)
1 000
4,24
2 000
3,85
3 000
3,47
4 000
3,13
5 000
3,01
6 000
2,94
7 000
2,87
8 000
2,89
9 000
2,89
10 000
2,85
11 000
2,88
12 000
2,81
13 000
2,92
14 000
2,93
15 000
2,80
16 000
2,83
17 000
2,77
18 000
2,80
19 000
2,72
19 369
2,82
Тестирование контакт-центра · Уровень ошибок по словам (%) по языкам
v3v4
Ниже значение — лучше. 300 примеров на каждый язык.
Показать значения в виде таблицы
v3
v4
Арабский
67,59
13,86
Немецкий
54,58
15,37
Английский
59,92
12,58
Французский
62,36
15,57
Итальянский
38,88
8,42
Турецкий
25,70
6,32
Тестирование контакт-центра · Уровень ошибок по символам (%) по языкам
v3v4
Ниже значение — лучше. 300 примеров на каждый язык.
Показать значения в виде таблицы
v3
v4
Арабский
48,62
5,76
Немецкий
46,00
7,23
Английский
44,41
6,23
Французский
47,92
7,34
Итальянский
26,92
3,45
Турецкий
10,47
1,96
Записанный турецкий разговор · Уровень ошибок по словам (%) по языкам
v3v4
Ниже значение — лучше. 800 примеров на каждый язык.
Показать значения в виде таблицы
v3
v4
Турецкий
4,72
4,47
Озвученная турецкая речь · Ошибка на символ по языку (%)
v3v4
Ниже значение — лучше. 800 примеров на язык.
Показать значения в виде таблицы
v3
v4
Турецкий
1,11
0,95
Сравнение с открытыми моделями
CALLAII ASR была измерена на тех же турецких аудиоклипах и тем же методом, что и распространённые открытые модели распознавания речи.
8 октября 2026Дата измерения
1 000Количество клипов
3Сравниваемая модель
По показателю ошибки на слово (WER) в четырёх из четырёх испытаний наименьшее значение зафиксировано у CALLAII ASR.
По показателю ошибки на символ (CER) разница между записью с чтением вслух и телефонной линией составляет 0,04 балла; модели находятся на одном уровне.
Раздел добровольных записей, используемый для обучения, присутствует в обучающем наборе CALLAII ASR; раздел, применяемый в испытаниях, в обучающем наборе отсутствует.
Условие телефонной линии повышает ошибку во всех моделях. На это направлена следующая версия.
Измерение с эталонной разметкой на реальных телефонных разговорах пока не проводилось.
Сравнение ошибки на слово (%)
Qwen3-ASR 1.7BWhisper large-v3CALLAII ASR
Ниже значение — лучше. Одни и те же 1 000 турецких клипов и один и тот же метод измерения. Озвученная речь и телефонная линия: FLEURS; на телефонной линии те же клипы в условиях 8 кГц. Записи волонтёров: Common Voice. Сценарии звонков: предложения, подготовленные из диалогов контакт-центра; CALLAII ASR обучался на данных этого раздела. Измерение: 8 октября 2026 г.
Показать значения в виде таблицы
Qwen3-ASR 1.7B
Whisper large-v3
CALLAII ASR
Озвученная речь
9,75
7,04
6,67
Телефонная линия
11,33
8,32
8,03
Записи волонтёров
15,80
13,14
4,10
Сценарии звонков
30,74
22,33
4,45
Сравнение ошибки на символ (%)
Qwen3-ASR 1.7BWhisper large-v3CALLAII ASR
Ниже значение — лучше. Одни и те же 1 000 турецких клипов и один и тот же метод измерения. Озвученная речь и телефонная линия: FLEURS; на телефонной линии те же клипы в условиях 8 кГц. Записи волонтёров: Common Voice. Сценарии звонков: предложения, подготовленные из диалогов контакт-центра; CALLAII ASR обучался на данных этого раздела. Измерение: 8 октября 2026 г.
Показать значения в виде таблицы
Qwen3-ASR 1.7B
Whisper large-v3
CALLAII ASR
Озвученная речь
2,43
1,56
1,60
Телефонная линия
3,04
1,94
1,98
Добровольные записи
4,44
4,53
0,98
Сценарии звонков
12,02
7,97
1,00
Технический паспорт
Версия
v4
Релиз
8 сентября 2026
Вход
аудиозапись, один или два канала
Выход
текст с метками говорящих и метками времени
Определение языка
автоматически для каждого канала
Среда работы
серверы, управляемые Callmenta
Данные клиентов не используются для обучения моделей.
Этот паспорт создан 23.11.2026. Актуальная версия — на callmenta.com.
Версии и обновления