Задача автоматичного перетворення мовних повідомлень у текстову форму є однією з ключових у сфері комп’ютерної лінгвістики та машинного навчання. Вона застосовується в голосових інтерфейсах, системах диктування, медичних транскрипціях, а також у розробці доступних технологій для людей з порушенням слуху. У даній роботі досліджуються два підходи до розпізнавання мовлення — нейронна модель Whisper та класичний статистичний підхід на основі чистої прихованої марковської моделі (HMM).