Для более точного результата разработка задействует (https://vk.com/press/messenger-video-transcribe) три нейросети. Акустическая распознает среди всех звуков в видео речь, языковая превращает их в слова, пунктуационная разбивает слова на предложения и расставляет знаки препинания.
Сейчас функция запущена в веб-версии web.vk.me (http://web.vk.me/) и постепенно станет доступна юзерам приложений ВКонтакте и VK Мессенджер на Android. В ближайшем будущем ожидается ее появление в iOS.
