Issledowanie poswqscheno awtomaticheskomu obnaruzheniü sigmatizma wo wzrosloj rechi nositelej nemeckogo qzyka. Ono presleduet dwe osnownye celi: (1) najti optimal'nyj nabor audio priznakow, obespechiwaüschih razlichie mezhdu normal'noj i narushennoj rech'ü; (2) sozdat' algoritm klassifikacii mashinnogo obucheniq (ML), sposobnyj analizirowat' izwlechennye priznaki i obnaruzhiwat' sigmatizm na urowne telefona.Priznaki wybiraütsq w sootwetstwii s foneticheskim fonom rassmatriwaemyh zwukow.K nim otnosqtsq perwye tri formanty, srednekwadratichnaq amplituda, spektral'nye piki, spektral'naq centroid, spektral'nyj perekos i perwye 12 chastotnyh kepstral'nyh koäfficientow (MFCC).Dlq obnaruzheniq sigmatizma rassmatriwaütsq tri metoda ML: mashina opornyh wektorow, gaussowskij process i nejronnye seti. Process izwlecheniq priznakow, a takzhe awtomaticheskaq klassifikaciq osuschestwlqütsq s pomosch'ü skriptow Python. V rezul'tate model' na osnowe SVM s RBF-qdrom pokazala samuü wysokuü tochnost' - 90,6 %.