12.01.26

по договоренности

Идея

Задачи ИКТ

Медиасфера

Нейротехнологии и искусственный интеллект

ПО/ИС

STT часто даёт "шум": набор разнородных существительных, помех, обрывков фраз. Это приводит к ложным активациям intent-распознавания, лишним вызовам бизнес-логики и расходу ресурсов. Использование ML/LLM для первичной фильтрации - дорого и не всегда оправдано: высокая латентность, стоимость, зависимость от внешних сервисов. Нужен быстрый, детерминированный фильтр, который отбрасывает очевидный мусор и помечает сомнительные случаи.

Проект предполагает разработку лёгкой многоязычной NLP-модели (rule-based) для оценки осмысленности текстов, получаемых из STT-систем. Модуль предназначен для фильтрации шумов, обрывочных и тематически несвязных фраз до этапа intent-распознавания или передачи в ИИ. Решение реализуется на JavaScript, работает детерминированно и без обязательного использования ML/LLM, при этом допускается и приветствуется использование существующих NLP-библиотек (например, nlp.js, compromise, токенизаторов, морфологических утилит) для ускорения разработки и повышения качества анализа. Результатом работы модуля является числовая оценка (score 0–1) и объяснимые признаки, позволяющие надёжно применять его в многоязычных голосовых и текстовых системах в промышленной среде.

Жанғазы Темірлан Маратұлы