Лет пятнадцать назад голосовые помощники были предметом насмешек. Человек с кавказским акцентом просил «включи музыку» — в ответ получал тишину или что-нибудь совершенно неожиданное. Человек с украинским «г» терял терпение уже на третьей попытке. Сегодня картина другая. Яндекс SpeechKit, Google Speech-to-Text, Whisper от OpenAI справляются с акцентами, темпом и шумом так, что диву даёшься. Давайте разберёмся, как это стало возможным. Первые системы распознавания речи работали по принципу шаблонного совпадения...