Price: 0
Number of applications: 0
24.11.26 (inclusive)
договорная
MVP
ICT tasks
Media sphere
Neurotechnology and artificial Intelligence
Purpose and description of task (project)
Цель — создать полностью локальное решение для обработки аудиозаписей встреч и звонков на казахском, русском и английском языках. Решение включает распознавание речи, разделение по спикерам и автоматическое резюме. Всё должно работать на одном вычислительном узле класса NVIDIA DGX Spark, без передачи данных во внешние облачные сервисы. В рамках задачи нужно: – сравнить открытые модели распознавания речи на публичных наборах данных (FLEURS, Common Voice) по метрикам WER, CER, скорости и потреблению памяти, в том числе на телефонном звуке 8 кГц и на 16 кГц и выше; – оценить качество на смешанной казахско-русской речи (шала-казахский); – при необходимости оценить объём данных и сроки на дообучение; – проверить качество диаризации; – подобрать LLM для суммаризации на казахском и русском; – запустить все компоненты одновременно на одном устройстве и рассчитать его пропускную способность. Используются только модели с лицензиями, разрешающими коммерческое использование и дообучение (MIT, Apache 2.0, CC-BY).
Software/ IS
Крупные компании, госорганы и операторы связи в Казахстане не могут отправлять записи переговоров и звонков в зарубежные облачные сервисы из-за требований к конфиденциальности и локализации персональных данных. Готовых локальных решений, которые хорошо работают с казахским языком, нет. Особенно плохо обстоит дело со смешанной казахско-русской речью и телефонным звуком 8 кГц. Открытые модели на казахском заметно уступают коммерческим облачным сервисам, а их качество на реальных данных не измерено. Кроме того, неизвестно, сколько пользователей и часов аудио выдержит одно локальное устройство. Без этого невозможно предложить заказчику обоснованное решение и рассчитать стоимость внедрения.
– Локальное решение для распознавания и суммаризации речи на казахском, русском и английском. Данные не покидают инфраструктуру заказчика, что соответствует требованиям по защите персональных данных РК. – Измеренное качество по каждому языку, включая смешанную казахско-русскую речь и телефонный звук. – Повышение качества распознавания казахской речи до уровня коммерческих облачных сервисов. – Снижение зависимости от зарубежных облачных провайдеров и затрат на внешние API. – Обоснованный расчёт мощности: число пользователей, часы аудио и число клиентов на одно устройство. Это позволит тиражировать решение для операторов связи, банков и госорганов. – Вклад в развитие казахскоязычных ИИ-технологий.
Алибек Полатов
Whatsapp
