Update asr_models.mdx

chapters/ru/chapter5/asr_models.mdx

@@ -7,11 +7,11 @@
 
 Как подробно описано в Разделе 3, модели распознавания речи в целом относятся к одной из двух категорий:
 
-1. Connectionist Temporal Classification (CTC) или Коннекционистская Временная Классификация: модели состящие только из энкодера, с головой линейного классификатора в вершине модели.
-2. Sequence-to-sequence (Seq2Seq) или последовательность-в-последовательность: модели включающие в себя как энкодер, так и декодер с механизмом перекрестного внимания между ними (cross-attention).
+1. Connectionist Temporal Classification (CTC) или Коннекционистская Временная Классификация: модели состящие только из кодера, с головой линейного классификатора в вершине модели.
+2. Sequence-to-sequence (Seq2Seq) или последовательность-в-последовательность: модели включающие в себя как кодер, так и декодер с механизмом перекрестного внимания между ними (cross-attention).
 
-До 2022 года более популярной из двух архитектур была CTC, а такие модели, работающие только с энкодером, как Wav2Vec2, HuBERT и XLSR, совершили прорыв в парадигме
-предварительного обучения/дообучения в задачах с речью. Крупные корпорации, такие как Meta и Microsoft, предварительно обучали энкодер на огромных объемах
+До 2022 года более популярной из двух архитектур была CTC, а такие модели, работающие только с кодером, как Wav2Vec2, HuBERT и XLSR, совершили прорыв в парадигме
+предварительного обучения/дообучения в задачах с речью. Крупные корпорации, такие как Meta и Microsoft, предварительно обучали кодер на огромных объемах
 неразмеченных аудиоданных в течение многих дней или недель. Затем пользователи могли взять предварительно обученную контрольную точку и дообучить ее с помощью
 головы CTC всего на **10 минутах** размеченных речевых данных для достижения высоких результатов в последующей задаче распознавания речи.
 
@@ -91,7 +91,7 @@ Prediction:  HE TELLS US THAT AT THIS FESTIVE SEASON OF THE YEAR WITH **CHRISTMA
 * _ROSE_ vs. _ROAST_
 * _SIMALYIS_ vs. _SIMILES_
 
-Это подчеркивает недостаток модели CTC. Модель CTC - это, по сути, "только акустическая" модель: она состоит из энкодера, который формирует представления
+Это подчеркивает недостаток модели CTC. Модель CTC - это, по сути, "только акустическая" модель: она состоит из кодера, который формирует представления
 скрытых состояний из аудиовходов, и линейного слоя, который отображает скрытые состояния в символы:
 
 <!--- Need U3 to be merged before this figure is available:
@@ -110,9 +110,9 @@ Prediction:  HE TELLS US THAT AT THIS FESTIVE SEASON OF THE YEAR WITH **CHRISTMA
 
 ## Переход к Seq2Seq
 
-Модели Seq2Seq! Как было описано в Разделе 3, модели Seq2Seq состоят из энкодера и декодера, связанных между собой механизмом перекрестного внимания.
-Энкодер играет ту же роль, что и раньше, вычисляя представления скрытых состояний аудиовходов, а декодер - роль **языковой модели**. Декодер обрабатывает
-всю последовательность представлений скрытых состояний, полученных от энкодера, и формирует соответствующие текстовые транскрипции. Имея глобальный контекст
+Как было описано в Главе 3, модели Seq2Seq состоят из кодера и декодера, связанных между собой механизмом перекрестного внимания.
+Кодер играет ту же роль, что и раньше, вычисляя представления скрытых состояний аудиовходов, а декодер - роль **языковой модели**. Декодер обрабатывает
+всю последовательность представлений скрытых состояний, полученных от кодера, и формирует соответствующие текстовые транскрипции. Имея глобальный контекст
 входного аудиосигнала, декодер может использовать контекст языкового моделирования при составлении своих прогнозов, исправляя орфографические ошибки
 "на лету" и тем самым обходя проблему фонетических прогнозов.