Актуальность текущего обзора обусловлена стремительным внедрением больших языковых моделей в сферу речевых технологий. Эти модели начинают заменять традиционные подходы, что ставит перед разработчиками задачи по пониманию их сильных и слабых сторон для создания более надежных систем. В рамках данного исследования были систематизированы современные методы интеграции больших языковых моделей в процесс распознавания речи. Эти методы отличаются как архитектурными решениями, так и стратегиями применения.
Архитектуры, используемые в современных системах, включают кодер-декодер, только декодер, рекуррентные и диффузионные модели. Стратегии применения охватывают такие подходы, как переранжирование гипотез, коррекция ошибок и контекстное обучение. Например, переоценка гипотез на базе модели BERT позволяет снизить ошибку распознавания на 22%. Однако использование контекстного обучения может привести как к улучшению, так и к ухудшению результатов из-за возможной генерации недостоверной информации.
Данное исследование соответствует задачам, обозначенным в Стратегии научно-технологического развития Российской Федерации, установленной Указом Президента РФ от 28.02.2024 г. № 145, которые направлены на развитие технологий искусственного интеллекта и обработки естественного языка. В этом контексте, работа Кипятковой И.С., Долгушина М.Д. и Кагирова И.А. под названием «Аналитический обзор применения больших языковых моделей для автоматического распознавания речи» освещает ключевые аспекты и тенденции в данной области.
Обзор был опубликован в журнале «Информационно-управляющие системы» в 2026 году, в первом номере, на страницах 19-35. Полную версию статьи можно найти на сайте СПб ФИЦ РАН. Это исследование представляет собой важный вклад в развитие понимания и применения больших языковых моделей, что, в свою очередь, будет способствовать созданию более эффективных систем распознавания речи.
Систематизация современных методов и подходов, а также результаты, полученные авторами, могут оказать значительное влияние на дальнейшие исследования и разработки в этой области, что подчеркивает важность интеграции новых технологий в существующие системы и практики. Это исследование является значительным шагом вперед в направлении повышения качества распознавания речи и обеспечивания более надежных и точных систем, что имеет большое значение для различных приложений в области искусственного интеллекта.