# ASR

Adres: https://www.asystenciglosowi.xyz/slownik/asr | Sekcja: Słownik | Aktualizacja: 2026-09-29

ASR (automatyczne rozpoznawanie mowy, z angielskiego automatic speech recognition) to część [voicebota](https://www.asystenciglosowi.xyz/slownik/voicebot), która zamienia głos rozmówcy na tekst. Pracuje jako pierwszy etap rozmowy: dopiero to, co zapisze ASR, trafia dalej do modelu językowego. Błąd na tym etapie łatwo przeoczyć, a psuje wszystko, co przychodzi później.

## Zapis w biegu, jeszcze przed końcem zdania

System słucha strumienia dźwięku jeszcze zanim klient skończy zdanie i na bieżąco poprawia swój zapis. Gdy rozpozna, że wypowiedź się skończyła, oddaje gotowy tekst dalej, do [modelu językowego](https://www.asystenciglosowi.xyz/slownik/llm). Cała [droga od słuchawki do odpowiedzi](https://www.asystenciglosowi.xyz/technologia/jak-dziala-asystent-glosowy) zaczyna się od tego kroku. ASR sensu wypowiedzi nie rozumie, zamienia dźwięk na litery. Jeśli źle usłyszy nazwisko, na przykład zapisze „Kowalski” jako „Kowalska”, model dostanie ten błędny tekst i będzie działał na jego podstawie, nie wiedząc, że coś poszło nie tak.

## Polskie nazwiska i wąskie pasmo telefonu

Polszczyzna utrudnia [rozpoznawanie mowy](https://www.asystenciglosowi.xyz/technologia/rozpoznawanie-mowy-po-polsku) na dwa sposoby. Odmiana przez przypadki sprawia, że to samo nazwisko brzmi inaczej w różnych zdaniach: Kowalski, Kowalskiego, Kowalskiemu, a system musi rozpoznać, że chodzi o tę samą osobę. Poza tym są głoski, które przy telefonicznym, wąskim paśmie dźwięku łatwo pomylić, na przykład „s” i „sz”.

> Asystent AI: Dzień dobry, przychodnia Zdrowie, mówi asystent AI.
> Dzwoniący: Dzwonię w sprawie wizyty, nazwisko Szczygieł.
> Asystent AI: Szczygieł przez sz na początku?
> Dzwoniący: Tak, zgadza się.

_Fikcyjna przychodnia i fikcyjny pacjent._

Agent powinien dopytać o pisownię trudnego nazwiska zamiast zgadywać, a pomyłki ogranicza też słownik nazw.

Przy wyborze dostawcy przetestuj to na nazwiskach własnych klientów.

## Najczęstsze pytania

### Czym różni się ASR od modelu językowego?

ASR zamienia głos na tekst, ale nie rozumie sensu tego, co usłyszał. Sensem i odpowiedzią zajmuje się dopiero model językowy, który dostaje tekst od ASR. To dwa osobne elementy voicebota, każdy odpowiada za inny etap rozmowy.

---
Źródło: https://www.asystenciglosowi.xyz. Wydawca: Infinity Tech Group sp. z o.o., Zamość. Przykładowe rozmowy i wyliczenia są fikcyjne i tak oznaczone. Treść nie jest poradą prawną.