Abstract
Область автоматического распознавания речи активно развивается в рамках машинного обучения и становится важным инструментом для управления различными устройствами и автоматизации систем. Однако большинство таких систем преимущественно нацелены на работу с речью взрослых, в результате чего потребности детей остаются без внимания. Особенности детского голоса и его развитие повышают риск ошибок при распознавании детской речи, особенно когда используются приложения, разработанные и тренированные на взрослых голосах. К тому же, многие приложения не учитывают уникальность детской речи и характеристики языка, который дети используют в общении как с ровесниками, так и со взрослыми. Кроме того, ощущается недостаток данных для языков агглютинативной группы, таких как тюркские языки, что затрудняет сбор достаточного и качественного корпуса. В данной работе рассматриваются подходы к распознаванию детской речи с применением данных, адаптированных для взрослых, и их влияние на точность распознавания казахского языка. Изучены две модели: коннекционная временная классификация и архитектура с механизмом внимания и моделью вставок. Несмотря на то, что результаты являются обнадеживающими, в будущем потребуются дополнительные улучшения и расширение корпуса с записями детской речи.