Актуальность обзора обусловлена активным внедрением больших языковых моделей в речевые технологии, где они начинают заменять традиционные модели, что требует понимания их преимуществ и недостатков для создания надежных систем. Систематизированы современные методы интеграции больших языковых моделей в процесс распознавания речи, отличающиеся классификацией архитектур (кодер-декодер, только декодер, рекуррентные, диффузионные) и стратегий применения (переранжирование гипотез, коррекция ошибок, контекстное обучение), и позволяющие установить, что переоценка гипотез на основе BERT снижает ошибку распознавания на 22%, а использование контекстного обучения может как улучшить, так и ухудшить результат из-за риска генерации недостоверной информации.
Исследование соответствует задачам развития технологий искусственного интеллекта и обработки естественного языка, определенным в Стратегии научно-технологического развития Российской Федерации (Указ Президента РФ от 28.02.2024 г. № 145).
Кипяткова И.С., Долгушин М.Д., Кагиров И.А. Аналитический обзор применения больших языковых моделей для автоматического распознавания речи. Информационно-управляющие системы. 2026. № 1. С. 19–35.