Canto

Диктовать мысли в микрофон ноутбука прямо на ходу, в забитом опенспейсе или под гул уличного трафика — задача, на которой спотыкается большинство транскрибаторов. Лаборатория Wispr Advanced Interfaces Lab разработала Canto — модель распознавания речи в реальном времени, созданную специально для таких неидеальных условий. Систему натренировали точно разбирать живую спонтанную речь, тихий шепот и отрывистые реплики без студийной изоляции.

Что умеет

• Разбирать голос сквозь помехи. Модель рассчитана на работу в окружении чужих голосов, фоновой музыки, ветра и звуков транспорта при записи через простые гарнитуры или наушники.
• Слышать тихий звук и шепот. Алгоритм оптимизирован для распознавания речи на низкой громкости и при удалении от микрофона, где стандартные модели часто теряют окончания.
• Точно транскрибировать короткие фразы. Система удерживает смысл даже на отрезках в одно-два слова, когда у алгоритма практически нет языкового контекста для разрешения акустической неоднозначности.
• Подключать персональные словари. Canto учитывает редкие термины и имена собственные, но обучена не подменять похожие звуки слепо, а опираться на реальную акустику аудиозаписи.
• Учитывать правки пользователя. Для дообучения методом обучения с подкреплением (GRPO) архитектура отсеивает чисто редакторские изменения и переписывания, вычленяя только фактические ошибки распознавания.

Инструмент пригодится тем, кто привык наговаривать концепции, комментарии к макетам и быстрые заметки прямо во время перемещений между встречами или в шумных коворкингах. Canto избавляет от долгой ручной чистки текста и аккуратно ловит специализированные названия без лишних правок.