Слово может исчезнуть ещё до расшифровки 🎙️
Во многих системах аудио сначала проходит через VAD — детектор голосовой активности. Он решает, где звучит речь, а где пауза или шум, и только затем отправляет выбранные фрагменты на распознавание.
Если человек начал фразу тихо, проглотил короткое «не» или закончил слово шёпотом, граница сегмента может пройти слишком рано. Расшифровщик не ошибётся в услышанном — он просто не получит отрезанный звук.
Когда регулярно пропадают начала и окончания фраз, сравните текст с исходной записью и проверьте настройки VAD. Если возможно, добавьте запас по краям речевых сегментов. Иногда чинить нужно не распознавание, а ножницы перед ним.
