Аннотация
Бұл жұмыс нақты акустикалық ортада жазылған балалардың сөйлеу сапасын жақсартуға арналған гибридті шуды азайту алгоритмін ұсынады, ол дәстүрлі спектрлік талдау әдістерін – жылдам Фурье түрлендіруі (FFT) және Винер сүзгісін – терең оқытудың тәсілдерімен, атап айтқанда қайталанатын нейрондық желілер (RNN) мен ұзақ қысқа мерзімді жады (LSTM) модельдерімен біріктіреді; әдістің тиімділігін бағалау үшін қазақ тіліндегі балалар сөйлеуінің аудио деректерінен құралған арнайы корпус Telegram-бот арқылы жиналды, эксперимент нәтижелері алгоритмді қолданғаннан кейін сөйлеуді тану көрсеткіштерінің айтарлықтай жақсарғанын көрсетті: сөзді тану қателігі (WER) 32.4%-дан 18.7%-ға дейін төмендеді, ал F1-score 0.72-ден 0.88-ге дейін өсті, спектрограммалық талдау фондық шудың азайғанын және сөйлеу сигналдарының анықтығының артқанын көрсетті, зерттеу нәтижелері балалардың сөйлеуін тану жүйелерінде шуды азайту үшін гибридті әдістерді қолданудың тиімді екенін дәлелдеді.