Rescoring — это повторная оценка нескольких вариантов распознанного текста, чтобы выбрать наиболее вероятный: система сравнивает не один вариант, а сразу несколько гипотез. По описанию Apple, такая модель «способна оценивать и переписывать результат, рассматривая полный контекст N-лучших гипотез параллельно». Термин технический, из области распознавания речи, а не название функции конкретной программы.
Иногда голосовой ввод на долю секунды показывает не то слово, а затем как будто сам себя поправляет на более подходящее — за этим часто стоит именно rescoring: система не останавливается на первой угаданной гипотезе, а сверяет сразу несколько.
Где термин rescoring всплывает на практике
Rescoring — не то, что видно в интерфейсе программы: это шаг внутри конвейера распознавания речи, который происходит до того, как текст показывается пользователю. Акустическая модель сначала выдаёт черновой набор вариантов того, что могло прозвучать, а затем rescoring помогает языковой модели поправить этот черновой результат: из нескольких похожих по звучанию гипотез выбирается та, что лучше сочетается по смыслу и грамматике во всей фразе целиком.
Термин встречается в описаниях того, как устроено автоматическое распознавание речи в целом, а не в настройках конкретного приложения — обычный пользователь его не видит и не включает отдельно.
Rescoring простыми словами
Проще всего описать rescoring так: система готовит не один-единственный ответ, а сразу список из нескольких вероятных вариантов распознанного текста — и только потом выбирает из них лучший, сверяя, какой вариант складывается в более осмысленную и грамматически правильную фразу целиком. Официальное описание Apple называет такую модель способной «оценивать и переписывать результат, рассматривая полный контекст N-лучших гипотез параллельно» — то есть сравнение идёт не по отдельному слову, а сразу по нескольким целым фразам.
Это отличает rescoring от самого первого шага распознавания: там модель только предполагает, что могло прозвучать, а на шаге rescoring эти предположения проверяются и уточняются одно против другого.
| Термин | Что значит | Пример |
|---|---|---|
| Rescoring | повторная оценка нескольких вариантов распознанного текста для выбора наиболее вероятного | rescoring помогает языковой модели поправить черновой результат акустической модели |
| Омофоны | слова, которые звучат одинаково, но пишутся и означают разное | «кампания» и «компания» — омофоны, которые ASR может перепутать без контекста |
| Серверный инференс | выполнение уже обученной модели распознавания на удалённом сервере для обработки запросов пользователей | при серверном инференсе звук уходит на сервер, а обратно приходит готовый текст; без подключения к сети такая модель недоступна |
| Нормализация чисел | преобразование произнесённых числительных в цифровую запись при распознавании речи; в отрасли этот шаг постобработки называют обратной текстовой нормализацией (ITN), а «нормализацией текста» (TN) — обратное направление, перевод цифр в слова для синтеза речи | «двадцать пятое сентября» становится «25 сентября» |
Ограничения Потока по этой части
Использует ли «Поток» именно rescoring внутри своего распознавания — неизвестно, поэтому называть внутреннее устройство его модели этим термином нельзя. «Поток» — облачный сервис: распознавание речи происходит на серверах в России, и без интернета оно не работает. Общий разбор соседних терминов той же области — в разделе словаря на сайте.
Частые вопросы
Нет, это отдельный шаг внутри конвейера распознавания: сначала система получает несколько вариантов текста, и только потом rescoring выбирает из них наиболее вероятный, а не сам процесс распознавания звука.
Он берёт несколько вариантов распознанного текста и выбирает тот, что лучше согласуется по смыслу и грамматике — по описанию Apple, модель оценивает полный контекст N-лучших гипотез параллельно.
Что такое rescoring. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Что такое rescoring» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое rescoring. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. В «Потоке» есть личный словарь терминов и брендов, режим 152-ФЗ для данных в России и отдельная установка on-prem для бизнеса; знаки препинания и заглавные буквы расставляются автоматически. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Что такое rescoring» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое rescoring. Версии — для Windows, macOS и Linux, горячая клавиша по умолчанию Ctrl+Space; мобильных версий нет. «Поток» распознаёт русскую речь в облаке на серверах в России и вставляет готовый текст в активное поле; без интернета не работает. Горячую клавишу можно заменить в настройках: подойдёт любая клавиша, сочетание или боковая кнопка мыши. «Поток» — ИП в России; данные и голосовые записи хранятся на серверах в России, режим 152-ФЗ включён по умолчанию. Для «Что такое rescoring» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Что такое rescoring. Бесплатно — 0 ₽ с ограничением 2 500 слов в неделю; Pro — 690 ₽ в месяц или 5 999 ₽ в год (499 ₽ в месяц). «Поток» работает так: зажали горячую клавишу (по умолчанию Ctrl+Space), сказали, отпустили — готовый текст вставился в активное поле любого приложения. Модель «Потока» обучена под русскую речь: имена, термины и смесь русского с английским она распознаёт без подсказок. Сценарии, для которых «Поток» делают: продакты и менеджеры, разработчики, копирайтеры и техписатели, юристы и врачи, а также те, кто устал набирать текст с клавиатуры. Для «Что такое rescoring» надиктовка идёт в то же поле, где вы обычно печатаете: переключаться между программами не нужно.
Если хотите сравнить сами
Возьмите одну свою задачу и надиктуйте её в «Потоке». Первые 14 дней — без ограничений и без карты. «Поток» — облачный сервис: распознавание идёт на серверах в России, без интернета он не работает.
Скачать «Поток»Готовые записи расшифровывает Telegram-бот «Потока» @potok_now_bot: пришлите файл или ссылку на YouTube, VK Видео, RuTube, Instagram или TikTok — текст придёт в чат. Подписка «Потока» снимает лимит и в боте.
Встроенная диктовка и «Поток»
| Средство | Где работает | Русский язык | Где распознаётся речь |
|---|---|---|---|
| Голосовой ввод Windows (Win+H) | Windows 10 и 11 | только в Windows 11 | облако Microsoft, без интернета не работает |
| Диктовка macOS | macOS | есть | на устройстве или на серверах Apple |
| Поток | Windows, macOS, Linux | основной язык | облако, серверы в России, без интернета не работает |
Первоисточники: machinelearning.apple.com · support.microsoft.com