The object of research, development or design (in Russian) : речевые сигналы человека и их цифровые представления, используемые для идентификации дикторов по ультракоротким звуковым фрагментам

The object of research, development or design (in Kazakh) : адамның сөйлеу сигналдары және оларды ультрақысқа дыбыстық фрагменттер бойынша дикторды сәйкестендіру үшін пайдаланылатын олардың цифрлық бейнелері

Aim of work (in Russian) : разработка метода распознавания дикторов на основе глубоких нейронных сетей при ультракороткой продолжительности чистой речи и создание цифровой модели голоса человека с высокой точностью идентификации

Aim of work (in Kazakh) : таза сөйлеудің ультрақысқа ұзақтығында терең нейрондық желілер негізінде дикторларды тану әдісін әзірлеу және жоғары дәлдікті адам дауысының цифрлық моделін жасау

Методы исследования (на русском) : В исследовании использованы методы машинного обучения и ИИ (CNN, RNN, LSTM, гибридные модели), спектральный и временной анализ речи, MFCC, нормализация, фильтрация шумов и аугментация; реализация — Python, TensorFlow, PyTorch

Методы исследования (на казахском) : Зерттеуде машиналық оқыту және ЖИ әдістері (CNN, RNN, LSTM, гибридті үлгілер), сөйлеудің спектрлік және уақыттық талдауы, MFCC, қалыпқа келтіру, шуылдарды сүзу және деректерді аугментациялау пайдаланылды; іске асыру — Python, TensorFlow, PyTorch

Obtained results and novelty (in Russian) : разработаны и обучены модели искусственных нейронных сетей для выделения вокализованных фрагментов и распознавания отдельных фонем речи; создана цифровая модель голоса человека, обеспечивающая точность идентификации диктора свыше 96%. Установлены закономерности влияния размера обучающей выборки и языковой специфики на качество распознавания. Научная новизна заключается в применении гибридной архитектуры CNN–LSTM для анализа ультракоротких речевых фрагментов и в построении модели, способной работать при длительности менее одной секунды

Obtained results and novelty (in Kazakh) : вокализацияланған фрагменттерді бөліп алу және жеке фонемаларды тану үшін жасанды нейрондық желілердің модельдері әзірленіп, оқытылды. Адамның цифрлық дауыс моделі құрылып, дикторды сәйкестендірудің 96%-дан жоғары дәлдігін қамтамасыз етті. Оқыту жиынтығының көлемі мен тілдік ерекшеліктердің тану сапасына әсер ету заңдылықтары анықталды. Ғылыми жаңалығы — ультрақысқа сөйлеу фрагменттерін талдау үшін CNN–LSTM гибридтік архитектурасын қолдану және бір секундтан аз ұзақтықтағы сигналдармен жұмыс істей алатын модель құру

The main constructive and technical economic indicators (in Russian) : Разработана математическая и программная модель распознавания ультракороткой речи с точностью более 90 %, временем отклика до 0,3 с и возможностью интеграции в существующие ИТ-системы при низких затратах на внедрение

The main constructive and technical economic indicators (in Kazakh) : Ультрақысқа сөйлеуді 90 %-дан жоғары дәлдікпен тануға арналған математикалық және бағдарламалық модель әзірленді. Жауап беру уақыты – 0,3 с дейін, қолданыстағы IT-жүйелерге төмен енгізу шығындарымен біріктіруге мүмкіндік бар

Level of implementation (in Russian) : результаты могут быть интегрированы в системы речевой биометрии и цифровой идентификации, а также использованы в разработке интеллектуальных платформ судебной экспертизы и безопасности данных

Level of implementation (in Kazakh) : Нәтижелерді сөйлеу биометриясы мен цифрлық сәйкестендіру жүйелеріне интеграциялауға, сондай-ақ сот сараптамасы мен деректер қауіпсіздігіне арналған интеллектуалды платформаларды әзірлеуде қолдануға болады

Efficiency (in Russian) : внедрение предложенных методов позволит повысить эффективность и надежность биометрических систем, сократить потребность в длительных речевых записях и обеспечить применение отечественных алгоритмов в задачах цифровой безопасности и идентификации

Efficiency (in Kazakh) : Ұсынылған әдістерді енгізу биометриялық жүйелердің тиімділігі мен сенімділігін арттыруға, ұзақ сөйлеу жазбаларына деген қажеттілікті азайтуға және отандық алгоритмдерді цифрлық қауіпсіздік пен сәйкестендіру міндеттерінде қолдануға мүмкіндік береді

Field of application (in Russian) : органы национальной безопасности, судебно-экспертные подразделения, информационно-аналитические системы и коммерческие организации, использующие биометрические методы многофакторной аутентификации пользователей

Field of application (in Kazakh) : ұлттық қауіпсіздік органдары, сот-сараптамалық бөлімшелер, ақпараттық-талдамалық жүйелер және пайдаланушылардың көпфакторлы биометриялық аутентификациясын қолданатын коммерциялық ұйымдар