Пользователям VK Звонков стали доступны текстовая расшифровка встреч и автоматические субтитры в реальном времени
Платформа для видеовстреч VK Звонки представила новые возможности на основе машинного обучения и нейросетей. Функция расшифровки автоматически переводит звуковую дорожку встречи в текст, который можно найти в чате звонка после его окончания. Пользователи также смогут запустить автосубтитры — они будут дублировать речь участников звонка в ходе встречи. Новые возможности доступны всем пользователям VK Звонков.
Текстовую расшифровку может включить любой пользователь группового звонка, при этом участники встречи получат уведомление о её начале. После окончания встречи файл с текстом придёт в чат звонка и будет сохранён в специальном разделе в профиле пользователя, запустившего функцию. В файле расшифровки автоматически расставляются тайм-коды и имена говорящих. Также пользователи смогут включать автоматические субтитры — они будут демонстрироваться во время речи каждого спикера в реальном времени. При этом субтитры будут показываться только у тех участников, которые самостоятельно их включили.
Нейросеть умеет определять разных спикеров и разделять речь на предложения. Текстовую расшифровку можно запустить вместе с субтитрами и записью звонка. Новые функции также доступны в сессионных залах и в звонках от имени сообщества. Автоматический перевод аудио в текст работает с речью на русском, в дальнейшем команда добавит и другие языки. Кроме того, в ближайших планах платформы запуск новых функций в звонках один на один и возможность администратора настраивать, кто из участников встречи может запускать расшифровку.
Перевод речи в текст использует собственные нейросетевые разработки ВКонтакте, которые соцсеть применяет для расшифровки голосовых сообщений и создания автосубтитров в видео. Для обеспечения высокого качества расшифровки аудиопоток проходит несколько этапов обработки. Запись очищается от фоновых звуков с помощью интеллектуального шумоподавления, затем нейросеть распознаёт слова, формирует из них текст и делит речь на предложения в соответствии с конкретным спикером. Нейросети постоянно совершенствуются и учатся в том числе на актуальной разговорной речи и сленге.
Новые возможности будут особенно полезны тем, кто использует VK Звонки для делового общения — когда нужно быстро расшифровать интервью, отправить ключевые тезисы после встречи или рассказать об итогах звонка коллегам, которые не смогли присутствовать. Субтитры выручат в ситуации, когда важно соблюдать тишину: например, в общественном месте, если под рукой нет наушников. Кроме того, это шаг к формированию доступной цифровой среды для слабослышащих пользователей: они смогут участвовать во встречах без ограничений.