نماذج ومنصات الذكاء الاصطناعي
تقدم aiOla QUASAR لإعادة التفكير في كيفية عمل التعرف على الكلام في الإنتاج
أضف Unite.AI إلى مصادرك المفضلة على Google
aiOla قد كشفت عن QUASAR، منصة مصممة لحل واحدة من أكثر المشاكل استمرارًا في مجال الذكاء الاصطناعي للصوت في الشركات: أداء التعرف على الكلام غير المتسق في ظروف العالم الحقيقي. بدلاً من قفل العملاء في مزود واحد للتعرف على الكلام التلقائي، يعمل QUASAR كبوابة ذكية توجيه كل互одействة صوتية ديناميكيًا إلى محرك التعرف على الكلام الأكثر احتمالًا لأداء أفضل في ذلك الوقت.
هذا التحول مهم حيث يصبح الصوت مدخلاً أساسيًا للعملات التي ي驱ها الذكاء الاصطناعي عبر مراكز الاتصال والامتثال والتحليلات والبحث وأيضًا وكلاء الذكاء الاصطناعي المستقلين بشكل متزايد. في حين أن درجات البenchmarks غالبًا ما توجيه اختيار التعرف على الكلام التلقائي، فإن بيئات الإنتاج تهيمن عليها اللهجات والضوضاء الخلفية والمصطلحات الخاصة بالمنطقة والتغييرات في جودة الشبكة – عوامل يمكن أن تغير دقة التعرف بشكل كبير من تفاعل إلى آخر.
لماذا ينهار التعرف على الكلام ذو الحجم الواحد عند التوسع
تستخدم معظم الشركات اليوم التعرف على الكلام كdecision بنية تحتية ثابتة. يتم اختيار مزود واحد بناءً على معايير مجمعة، ثم يتم دمجه بشكل عميق في سير العمل. في الممارسة، هذا يخلق نقاط عمياء. قد يكون محرك يمتاز في الكلام النقي والمقروء يصعب مع المتحدثين ذوي اللهجات أو المصطلحات الخاصة بالصناعة. قد يتعامل محرك آخر مع الصوت الخلفي جيدًا ولكنه يفقد الأسماء الصحيحة أو التسلسلات الرقمية الحيوية للامتثال والفواتير.
التحويل إلى مزود آخر للتعامل مع هذه الفجوات يعتبر مكلفًا ومزعجًا، وغالبًا ما يتطلب إعادة التدريب والتحقق والوقت الإضافي للتشغيل. في غضون ذلك، يتم إصدار نماذج جديدة وترقيات للتعرف على الكلام بسرعة تفوق قدرة معظم المنظمات على اختبارها وتطبيقها. النتيجة هي انخفاض معدلات احتواء، ملخصات غير دقيقة، تحليلات أضعف، وزيادة في التكاليف الإضافية لضمان الجودة – كل ذلك مدفوعًا بأخطاء النسخ التي يمكن تجنبها.
داخل هندسة QUASAR: التعامل مع التعرف على الكلام كمسألة ديناميكية
يعامل QUASAR التعرف على الكلام كتحدي تحسين في الوقت الفعلي. يتم تقييم كل طلب صوتي قادم قبل النسخ، مع مراعاة عوامل مثل خصائص المتحدث والظروف الصوتية والسياق الخاص بالمنطقة. بناءً على هذه التقييمات، يتم توجيه الصوت إلى محرك التعرف على الكلام الأكثر احتمالًا لإنتاج نتيجة عالية الجودة لتلك التفاعل المحدد.
من الناحية الفنية، يعمل QUASAR كطبقة توجيه يمكنها العمل عبر واجهات برمجة التطبيقات السحابية التجارية والنمذجة المضيفة بشكل自وست والتركيبات المخصصة للتعرف على الكلام. يسمح هذا التمثيل للشركات بالتجربة مع محركات جديدة، وضبط التكلفة مقابل الجودة، وتجنب قفل البائع على المدى الطويل – كل ذلك دون تغيير التطبيقات التنزيلية.
في قلب النظام يوجد آلية تقييم وترتيب غير مُشرَّف تسجل خيارات التعرف على الكلام في الوقت الفعلي. بدلاً من الاعتماد فقط على المعدلات التاريخية، يتعلم النظام باستمرار من الظروف الحية، مما يتيح قرارات نسخ متكيفة مع تطور البيئات والمتحدثين والحالات الاستخدامية.
الأداء عبر ظروف الصوت في العالم الحقيقي
في التقييمات الداخلية التي شملت ست مجموعات بيانات معايير متنوعة – من الكلام النقي والمحاضرات المهنية إلى الصوت المُصطَنّع والضوضاء والصوت الخاص بالمنطقة المالية – اختر QUASAR أفضل خيار للتعرف على الكلام بنسبة دقة 88.8% بشكل عام، أو الخيار الأفضل عندما كانت النتائج متشابهة بشكل فعال. بلغت الدقة 97% على الكلام النقي وتراوحت بين 79-88% للصوت الأكثر تحديًا الذي ي涉ل اللهجات والضوضاء والمصطلحات المتخصصة.
تسلط هذه النتائج الضوء على فكرة رئيسية: لا يوجد محرك تعرف على كلام واحد يفوز باستمرار عبر جميع السيناريوهات، ولكن التوجيه الذكي يمكن أن يلتقط نقاط قوة العديد من المحركات.
تمكين الصوت كبنية حية
من خلال فك ربط جودة التعرف على الكلام من مزود معين، يحول QUASAR التعرف على الكلام إلى ما وصفه aiOla بـ “البنية الحية”. تكتسب الشركات رؤية دقيقة لاداء النسخ على مستوى التفاعل، مع القدرة على تحسين الدقة أو التكلفة أو التأخير حسب الحالة الاستخدامية.
يسهم هذا النهج أيضًا في تسريع التوسع إلى مناطق وصناعات جديدة. بدلاً من انتظار مزود واحد لدعم لغة أو لهجة أو مصطلحات خاصة بالصناعة، يمكن للمنظمات توجيه حركة المرور إلى المحرك الأكثر ملاءمة لتلك النيشة اليوم – وتغييرها عندما تظهر خيارات أفضل.
رؤية aiOla الأوسع لعمليات الصوت المُحرَّكة
يبني QUASAR على مهمة aiOla الأوسع لجعل الصوت واجهة طبيعية لأنظمة الشركات. تدمج نماذج الشركة المبتكرة التعرف على الصوت مع ذكاء سير العمل لتحويل الإدخال الصوتي إلى بيانات منسقة في الوقت الفعلي. هذا يتيح تلقين أتمتة يدوي عبر الصناعات الحاسمة حيث يبقى إدخال البيانات اليدوي عائقًا.
مدعومًا بتمويل يصل إلى 58 مليون دولار وفريق بحثي، تضع aiOla الصوت ليس فقط كوسيلة إدخال، ولكن كبنية أساسية لعمليات الذكاء الاصطناعي. مع QUASAR، تقدم الشركة رؤيتها هذه إلى طبقة التعرف على الكلام نفسها – مما ي挑ل افتراضات طويلة الأمد حول كيفية نشر التعرف على الكلام في النطاق الواسع.
随着 الصوت الذي يصبح الواجهة الأساسية لوكلاء الذكاء الاصطناعي وأنظمة الشركات على حد سواء، قد يثبت التعرف على الكلام الديناميكي والواعي للسياق أنه ضروري. إطلاق QUASAR يُشير إلى تحول بعيدًا عن اختيارات النموذج الثابتة نحو توجيه أداء محرك ومتكيف – نهج قد يغير كيفية استهلاك نظام الذكاء الاصطناعي للصوت للتعرف على الكلام.
