Представьте: вам прислали часовую запись совещания и попросили сделать текстовую расшифровку к утру. Вы загружаете файл в сервис, открываете результат — а там вместо трети реплик стоят многоточия. «…надо будет… по бюджету… а Сергей сказал…» Кто сказал, что именно, какой бюджет — непонятно. Час работы, а на выходе решето. Ровно с этим мы и столкнулись, когда запустили свой сервис расшифровки аудио в текст. На чистых студийных записях всё было прекрасно — 97–98% точности. Но реальные записи — интервью...

Слушайте, я тут долго думал, с чего начать эту статью. Вроде тема простая — смех и речь, а копнёшь глубже, и понимаешь: тут столько всего намешано. И физиология, и психология, и банальный жизненный опыт...