Existuje několik různých typů klientů – někteří mají jasnou představu o tom, jak by měla být jejich řečová data strukturována, a někteří jsou ve svém přístupu flexibilnější.
Jako poskytovatel služeb musíme zajistit, aby byly splněny oba požadavky klienta. S klientem, který je flexibilní se svými požadavky, je však možné, že se plně nepoddal sběr dat řeči úplná myšlenka.
Zde vstupuje do hry příspěvek poskytovatele datové sady řeči.
Máme odpovědnost předvést body, které je třeba mít na paměti, než spustíte zvuk sběr dat projekt tak, aby organizace AI mohly identifikovat proveditelné, efektivní a nákladově efektivní řešení.
Očekává se, že trh s rozpoznáváním hlasu ve světě poroste 27.16 miliard $ v 2026 z 10.7 miliardy $ v roce 2020 při CAGR 16.8 %.
Podívejme se na všechny efektivní způsoby nebo body, které je třeba mít na paměti před přizpůsobením sběr dat řeči projekt.
- Jazyky a demografie
- Velikost kolekce
- Struktura skriptu
- Požadavky na zvuk a formáty
- Požadavky na doručení a zpracování
- Další důležité body k poznámce
Jazyky a demografie
Projekt by měl nejprve specifikovat cílové jazyky a cílovou demografickou skupinu.
Jazyky a dialekt
Začněte tím, že budete mít na paměti požadavky projektu – jazyky, pro které se shromažďuje a přizpůsobuje datová sada řeči. Pochopte také konkrétní požadavek na odbornost. Měl by být například účastník rodilý mluvčí nebo nerodilý mluvčí?
Například – rodilí mluvčí angličtiny
Běhat blízko na paty jazyka je dialekt. Aby se zajistilo, že datový soubor nebude trpět zkreslením, je vhodné záměrně zavést dialekty, aby se vyhovělo rozmanitosti účastníků.
Například – Mluvčí s australskou angličtinou
země
Před přizpůsobením je důležité vědět, zda existuje konkrétní požadavek, aby účastníci pocházeli z konkrétních zemí. A zda by účastníci měli v současné době žít v konkrétní zemi.
Například – Pandžábština se v Indii a Pákistánu mluví jinak.
Demografie
Kromě jazyka a geografie lze přizpůsobení provést také na základě demografických údajů. Lze také provést cílenou distribuci účastníků na základě jejich věku, pohlaví, dosaženého vzdělání a dalších.
Například – Dospělí versus děti nebo Vzdělaní versus nevzdělaní
Velikost sbírky
Vaše datová sada ovlivní výkon vašeho datového projektu. Potřebná velikost sběrných dat však také určí požadované účastníky.
Celkový počet respondentů
Určete celkový počet účastníků, kteří budou pro projekt zapotřebí. V případě, že projekt vyžaduje jazyk sběr zvukových dat, měli byste analyzovat celkový počet účastníků požadovaný na cílový jazyk.
Například – 50 % hovořící americkou angličtinou a 50 % australskou angličtinou
Celkový počet promluv
Chcete-li vytvořit sbírku dat řeči, určete celkový počet výpovědí nebo opakování na účastníka nebo celkový počet potřebných opakování.
Například – 50 účastníků s 25 promluvami na účastníka = 1250 opakování
Struktura skriptu
Skript lze také upravit tak, aby vyhovoval potřebám projektu, proto je vhodné vyhledat pomoc řečtí terapeuti navrhnout tok textu. Pokud má být model ML trénován na dobře strukturovaných datech, musí vzít v úvahu skript a pracovní postup.
Skriptované vs. Neskriptované
Můžete si vybrat mezi použitím napsaného textu nebo přirozeného či nepsaného textu, který si účastníci přečtou.
Ve skriptované textové řeči účastníci čtou, co je zobrazeno na obrazovce. Tato metoda se většinou používá k záznamu příkazů nebo instrukcí.
Například – 'Vypněte hudbu,' 'Stiskněte 1 pro nahrávání.'
V nespisovném projevu dostávají účastníci scénáře a jsou požádáni, aby zformulovali své věty a mluvili co nejpřirozeněji.
Například – 'Můžete mi prosím říct, kde je další čerpací stanice?'
Sbírka řečí / Probuzení Slova
V případě použití skriptovaného textu se musíte rozhodnout, kolik skriptů bude použito a zda bude každý účastník číst jedinečný skript nebo skupinu skriptů. Zjistěte také, zda skript obsahuje kolekci probuzených slov a příkazů.
Například -
Příkaz 1:
"Alexo, jaký je recept na čokoládový košíček?"
"Ok Google, jaký je recept na čokoládový košíček?"
"Siri, jaký je recept na čokoládový košíček?"
Příkaz 2:
"Alexo, kdy je let do New Yorku?"
"Google, kdy je let do New Yorku?"
"Siri, kdy je let do New Yorku?"
Požadavky na zvuk a formáty
Kvalita zvuku hraje klíčovou roli při rozpoznávání řeči sběr dat proces. Rušivé zvuky na pozadí mohou negativně ovlivnit kvalitu shromážděných hlasových poznámek. To může také snížit účinnost algoritmu rozpoznávání hlasu.
Audio kvalita
Kvalita nahrávek a přítomnost hluku na pozadí mohou ovlivnit výsledek projektu. Ale některé kolekce dat řeči akceptují přítomnost šumu. Je však vhodné lépe porozumět požadavkům, pokud jde o přenosovou rychlost, odstup signálu od šumu, amplitudu a další.
Formát
formát souboru, datové body, struktura obsahu, komprese a požadavky na následné zpracování také určují kvalitu nahrávek řeči.
Důvodem důležitosti formátů souborů je to, že model musí identifikovat výstup souboru a být vyškolen, aby rozpoznal tuto konkrétní kvalitu zvuku.
Definujte vlastní požadavek na zvuk
Vlastní požadavky na zvuk by měly být zmíněny před začátkem procesu sběru. Klienti si mohou vybrat přizpůsobené zvukové soubory, kde jsou konkrétní soubory spojeny dohromady.
Požadavky na doručení a zpracování
Jakmile jsou data řeči shromážděna, klienti si mohou vybrat, zda je mají doručit podle svých požadavků.
Požadavek na přepis a anotaci
Někteří klienti před dodáním vyžadují přepis a označení dat. Kromě toho mohou také vyžadovat specifické formy označování a segmentace.
Někdy je lepší hledat řečových patologů a odborníky na pomoc při přepisu řeči do různých jazyků, aby byla zachována autenticita cílového jazyka.
Konvence pojmenovávání souborů
Projekt formuláře pro sběr dat by měl specifikovat jakoukoli konvenci pojmenovávání souborů, která se má dodržovat. Pokud je konvence pojmenování složitá nebo přesahuje standardní rozsah procesu, může to přinášet dodatečné náklady na vývoj.
Pokyny pro doručení
Bezpečnostní a dodací pokyny by měly být dodržovány, jak je uvedeno v požadavcích projektu. Kromě toho by mělo být specifikováno, zda mají být data doručována v malých milnících nebo jako kompletní balík najednou. Klienti také preferují včasné monitorování pokroku aktualizace, aby mohli sledovat stav projektu.
Další důležité body k poznámce
Přizpůsobení ovlivní, jak
- Metody sběru dat použitý
- Nábor účastníků
- Časová osa dodání
- Předběžné náklady na projekt
Při výběru správného dodavatele se musíte ujistit, že jdete s někým, kdo má zkušenosti s poskytováním možností přizpůsobení a flexibilitu pro snadné škálování projektu. Povaha sběru řečových dat spočívá v tom, že se vyvíjí a složitost se v průběhu času mění a správný poskytovatel by měl být schopen držet krok.
Když vše, co potřebujete, je flexibilita a škálovatelnost, Shaip je tou správnou volbou. Nabízíme přizpůsobitelné služby na základě vašich konkrétních požadavků projektu. Nabízíme škálovatelné a flexibilní řešení sběru dat pro vícejazyčné projekty za konkurenceschopné ceny. Promluvte si s našimi odborníky, abyste věděli, jak naše techniky shromažďování a přizpůsobení řeči fungují při vývoji konverzační umělé inteligence.
[Přečtěte si také: Tréninková data rozpoznávání řeči – typy, sběr dat a aplikace]
