Ο Jean-Louis Quéguiner, Ιδρυτής & Διευθύνων Σύμβουλος της Gladia – Σειρά Συνεντεύξεων

Ο Jean-Louis Quéguiner είναι ο Ιδρυτής και Διευθύνων Σύμβουλος της Gladia. Προηγουμένως, υπηρέτησε ως Αντιπρόεδρος του Ομίλου για τα Δεδομένα, την Τεχνητή Νοημοσύνη και τον Κβαντικό Υπολογισμό στην OVHcloud, έναν από τους ηγέτες παρόχων cloud στην Ευρώπη. Κατέχει πτυχίο Μάστερ στη Συμβολική Τεχνητή Νοημοσύνη από το Πανεπιστήμιο του Κεμπέκ στον Καναδά και το Arts et Métiers ParisTech στο Παρίσι. Κατά τη διάρκεια της καριέρας του, έχει κατέχει σημαντικές θέσεις σε διάφορους τομείς, συμπεριλαμβανομένης της οικονομικής ανάλυσης δεδομένων, των εφαρμογών μηχανικής μάθησης για ψηφιακή διαφήμιση σε πραγματικό χρόνο και της ανάπτυξης API για τη τεχνητή νοημοσύνη ομιλίας.

Η Gladia παρέχει προηγμένα εργαλεία μεταγραφής ήχου και λύσεις Τεχνητής Νοημοσύνης σε πραγματικό χρόνο για ομαλή ενσωμάτωση σε προϊόντα σε διάφορους τομείς, γλώσσες και τεχνολογικές πυλώνες. Βελτιώνοντας τα μοντέλα ASR και γενετικής Τεχνητής Νοημοσύνης, εξασφαλίζει ακριβή, χωρίς καθυστέρηση επεξεργασία ομιλίας και γλώσσας. Η πύλη της Gladia επίσης επιτρέπει την εξαγωγή πληροφοριών και μεταδεδομένων από κλήσεις και συναντήσεις σε πραγματικό χρόνο, υποστηρίζοντας βασικές περιπτώσεις χρήσης επιχειρήσεων όπως η βοήθεια πωλήσεων και η αυτοματοποιημένη υποστήριξη πελατών.

Τι σας ενέπνευσε να αντιμετωπίστε τις προκλήσεις στην τεχνολογία ομιλίας-σε-κείμενο (STT) και ποίες κενές θέσεις είδετε στην αγορά;

Όταν ίδρυσα την Gladia, ο αρχικός στόχος ήταν ευρύς – μια εταιρεία Τεχνητής Νοημοσύνης που θα κάνει την πολύπλοκη τεχνολογία προσβάσιμη. Όμως, καθώς εμβαθύνουμε, έγινε σαφές ότι η τεχνολογία φωνής ήταν ο πιο κατεστραμμένος και κρίσιμος τομέας στον οποίο πρέπει να επικεντρωθούμε.

Η φωνή είναι κεντρική στη ζωή μας και η większość της επικοινωνίας μας συμβαίνει μέσω της ομιλίας. Όμως, τα εργαλεία που ήταν διαθέσιμα για τους dévelopπερ για να εργαστούν με δεδομένα φωνής ήταν ανεπαρκή όσον αφορά την ταχύτητα, την ακρίβεια και την τιμή – ιδίως σε διάφορες γλώσσες.

Ήθελα να διορθώσω αυτό, να ξεπακετάρω την πολυπλοκότητα της τεχνολογίας φωνής και να την ξαναπακέταρω σε κάτι απλό, αποτελεσματικό, ισχυρό και προσβάσιμο. Οι dévelopπερ δεν πρέπει να ανησυχούν για τις ιδιαιτερότητες των μοντέλων Τεχνητής Νοημοσύνης ή τις νюανς του μήκους контекστού στην αναγνώριση ομιλίας. Ο στόχος μου ήταν να δημιουργήσω ένα API ομιλίας-σε-κείμενο επιπέδου επιχείρησης που λειτουργεί ομαλά, ανεξάρτητα από το υποκείμενο μοντέλο ή την τεχνολογία – μια αληθινή λύση plug-and-play.

Ποίες είναι ορισμένες από τις μοναδικές προκλήσεις που αντιμετωπίσατε κατά την κατασκευή μιας λύσης μεταγραφής για χρήση επιχείρησης;

Όταν πρόκειται για αναγνώριση ομιλίας, η ταχύτητα και η ακρίβεια – οι δύο βασικοί δείκτες απόδοσης σε αυτόν τον τομέα – είναι αναστρέψιμες από το σχεδιασμό. Αυτό σημαίνει ότι η βελτίωση της μίας θα επηρεάσει την άλλη, τουλάχιστον σε κάποιο βαθμό. Ο παράγοντας κόστους, σε μεγάλο βαθμό, οφείλεται στην επιλογή του παρόχου μεταξύ ταχύτητας και ποιότητας.

Κατά την κατασκευή της Gladia, ο στόχος μας ήταν να βρούμε την ιδανική ισορροπία μεταξύ αυτών των δύο παραγόντων, διατηρώντας παράλληλα την τεχνολογία διαθέσιμη για startups και ΜΜΕ. Κατά τη διαδικασία, συνειδητοποιήσαμε επίσης ότι τα θεμελιώδη μοντέλα ASR όπως το OpenAI’s Whisper, με τα οποία εργαστήκαμε εκτενώς, είναι προκατειλημμένα, με έμφαση στην αγγλική γλώσσα λόγω των δεδομένων εκπαίδευσής τους, αφήνοντας πολλές γλώσσες υποαντιπροσωπεύσεις.

Έτσι,除了 την επίλυση του εμπορίου ταχύτητας-ακρίβειας, ήταν σημαντικό για μας – ως μια ευρωπαϊκή, πολυγλωσσική ομάδα – να βελτιώσουμε και να εξειδικεύσουμε τα βασικά μοντέλα μας για να δημιουργήσουμε μια πραγματικά παγκόσμια API που βοηθά τις επιχειρήσεις να λειτουργούν σε διάφορες γλώσσες.

Πώς διαφοροποιείται η Gladia στην πολυσύνθετη αγορά μεταγραφής Τεχνητής Νοημοσύνης; Τι κάνει το Whisper-Zero ASR μοναδικό;

Ο νέος μας κινητήρας σε πραγματικό χρόνο (Gladia Real Time) επιτυγχάνει μια βιομηχανική ηγετική καθυστέρηση 300 ms. Επιπλέον, είναι σε θέση να εξάγει πληροφορίες από μια κλήση ή συνάντηση με τα λεγόμενα “αυδιακά νοητικά” προσθήκες ή χαρακτηριστικά, όπως η αναγνώριση ονομάτων οντοτήτων (NER) ή η ανάλυση συναισθήματος.

Σύμφωνα με τις γνώσεις μας, λίγοι ανταγωνιστές είναι σε θέση να παρέχουν και μεταγραφή και πληροφορίες σε τέτοια χαμηλή καθυστέρηση (λιγότερο από 1 δευτερόλεπτο από άκρο σε άκρο) – και να κάνουν όλα αυτά με ακρίβεια σε γλώσσες άλλες από την αγγλική. Η υποστήριξη γλωσσών μας επεκτείνεται σε πάνω από 100 γλώσσες σήμερα.

Επίσης, δώσαμε ιδιαίτερη έμφαση στο να κάνουμε το προϊόν μας πραγματικά ανεξάρτητο από την τεχνολογική πύλη. Η API μας είναι συμβατή με όλες τις υπάρχουσες τεχνολογικές πυλώνες και τηλεφωνικές πρωτόκολλα, συμπεριλαμβανομένων SIP, VoIP, FreeSwitch και Asterisk. Τα τηλεφωνικά πρωτόκολλα είναι ιδιαίτερα σύνθετα για ενσωμάτωση,所以 πιστεύουμε ότι αυτό το χαρακτηριστικό προϊόντος μπορεί να φέρει τεράστια αξία στην αγορά.

Οι “οπτασίες” στα μοντέλα Τεχνητής Νοημοσύνης είναι một σημαντική ανησυχία, ιδιαίτερα στη μεταγραφή σε πραγματικό χρόνο. Μπορείτε να εξηγήσετε τι είναι οι “οπτασίες” στο контέκστ της STT και πώς η Gladia αντιμετωπίζει αυτό το πρόβλημα;

Οι “οπτασίες” συνήθως συμβαίνουν όταν το μοντέλο λείπει γνώσεων ή δεν έχει αρκετό контέκστ για το θέμα. Αν και τα μοντέλα μπορούν να παράγουν εξόδους προσαρμοσμένες σε μια αίτηση, μπορούν μόνο να αναφερθούν σε πληροφορίες που υπήρχαν κατά την время της εκπαίδευσής τους, και αυτό μπορεί να μην είναι ενημερωμένο. Το μοντέλο θα δημιουργήσει συνεπείς απαντήσεις συμπληρώνοντας τα κενά με πληροφορίες που ακούγονται πιθανές αλλά είναι λάθος.

Οι “οπτασίες” έγιναν γνωστές στο контέκστ των LLMs πρώτα, αλλά συμβαίνουν και με μοντέλα αναγνώρισης ομιλίας – όπως το Whisper ASR, ένα ηγετικό μοντέλο στον τομέα που αναπτύχθηκε από το OpenAI. Οι “οπτασίες” του Whisper είναι όπως αυτές των LLMs λόγω μιας παρόμοιας αρχιτεκτονικής,所以 είναι ένα πρόβλημα που αφορά τα γενετικά μοντέλα, τα οποία είναι σε θέση να προβλέψουν τις λέξεις που ακολουθούν με βάση το γενικό контέκστ. Σε ένα τρόπο, “εφευρίσκουν” την έξοδο. Αυτή η προσέγγιση μπορεί να ανταποκριθεί με πιο παραδοσιακές, ακουστικές-βασισμένες αρχιτεκτονικές ASR που αντιστοιχούν την είσοδο ήχο στην έξοδο με πιο μηχανικό τρόπο

Ως αποτέλεσμα, μπορείτε να βρείτε λέξεις σε μια μεταγραφή που δεν είπαν στην πραγματικότητα, το οποίο είναι σαφώς προβληματικό, ιδιαίτερα σε τομείς όπως η ιατρική, όπου ένα λάθος αυτού του είδους μπορεί να έχει σοβαρές συνέπειες.

Υπάρχουν διάφοροι τρόποι για να διαχειριστούν και να ανιχνεύσουν τις “οπτασίες”. Μια κοινή προσέγγιση είναι να χρησιμοποιήσετε ένα σύστημα αναζήτησης-βελτιωμένης γεννήσεως (RAG), το οποίο συνδυάζει τις γενετικές ικανότητες του μοντέλου με einen μηχανισμό αναζήτησης για να ελέγξει τα γεγονότα. Άλλη μέθοδος περιλαμβάνει την υιοθέτηση μιας “αλυσίδας σκέψης” προσέγγισης, όπου το μοντέλο οδηγείται μέσω einer σειράς προκαθορισμένων βημάτων ή ελέγχων για να διασφαλίσει ότι παραμένει σε einen λογικό δρόμο.

Άλλη στρατηγική για την ανίχνευση “οπτασιών” περιλαμβάνει την χρήση συστημάτων που αξιολογούν την αλήθεια της έξοδου του μοντέλου κατά την εκπαίδευση. Υπάρχουν διαγνώσεις που σχεδιάστηκαν ειδικά για να αξιολογήσουν τις “οπτασίες”, οι οποίες περιλαμβάνουν την σύγκριση διαφόρων υποψήφιων απαντήσεων που παράγονται από το μοντέλο και την καθοδήγηση ποίας από αυτές είναι η πιο ακριβής.

Εμείς στην Gladia abbiamo πειραματίσει με μια συνδυασμένη τεχνική κατά την κατασκευή του Whisper-Zero, του ιδιωτικού μας ASR που αφαιρεί σχεδόν όλες τις “οπτασίες”. Έχει αποδείξει εξαιρετικά αποτελέσματα στη μεταγραφή ασύγχρονης, και τώρα βελτιώνουμε για πραγματικό χρόνο για να επιτύχουμε την ίδια πιστότητα πληροφοριών 99,9%.

Η τεχνολογία STT πρέπει να αντιμετωπίζει eine ευρεία γκάμα πολυπλοκότητας όπως προφορές, θόρυβος και πολυγλωσσικές συνομιλίες. Πώς αντιμετωπίζει η Gladia αυτές τις προκλήσεις για να διασφαλίσει υψηλή ακρίβεια;

Η ανίχνευση γλώσσας στην ASR είναι μια εξαιρετικά σύνθετη εργασία. Κάθε ομιλητής έχει einen μοναδικό φωνητικό σήμα, το οποίο ονομάζουμε χαρακτηριστικά. Αναλύοντας το φωνητικό φάσμα, τα αλγόριθμοι μηχανικής μάθησης μπορούν να thực hiện ταξινομήσεις, χρησιμοποιώντας τους συντελεστές Mel Frequency Cepstral Coefficients (MFCC) για να εξάγουν τα κύρια χαρακτηριστικά συχνότητας.

Ο MFCC είναι μια μέθοδος που εμπνέεται από την ανθρώπινη ακουστική αντίληψη. Είναι μέρος του “ψυχοακουστικού” πεδίου, που επικεντρώνεται στο πώς αντιλαμβανόμαστε τον ήχο. Τονίζει τις χαμηλότερες συχνότητες και χρησιμοποιεί τεχνικές όπως η κανονικοποιημένη Fourier ανάλυση για να μετατρέψει τον ήχο σε φάσμα συχνότητας.

Ωστόσο, αυτή η προσέγγιση έχει μια περιορισμό: βασίζεται αποκλειστικά στην ακουστική. Έτσι, αν μιλάτε αγγλικά με μια ισχυρή προφορά, το σύστημα μπορεί να μην καταλάβει το περιεχόμενο αλλά να κρίνει με βάση την προσωδία σας (ρυθμό, έμφαση, μελωδία).

Αυτή είναι η στιγμή όπου η καινοτόμος λύση της Gladia έρχεται. Έχουμε αναπτύξει μια υβριδική προσέγγιση που συνδυάζει ψυχοακουστικά χαρακτηριστικά με κατανόηση περιεχομένου για δυναμική ανίχνευση γλώσσας.

Το σύστημά μας δεν ακούει μόνο πώς μιλάτε, αλλά και κατανοεί τι λέτε. Αυτή η διπλή προσέγγιση επιτρέπει μια αποτελεσματική αλλαγή κώδικα και δεν αφήνει ισχυρές προφορές να παρανοηθούν/λανθασμένα.

Η αλλαγή κώδικα – η οποία είναι ένας από τους διαφοροποιητές μας – είναι ένα ιδιαίτερα σημαντικό χαρακτηριστικό για την αντιμετώπιση πολυγλωσσικών συνομιλιών. Οι ομιλητές μπορεί να αλλάξουν γλώσσα μέσα σε μια συνομιλία (ή ακόμη και μέσα σε μια πρόταση), και η ικανότητα του μοντέλου να μεταγράψει ακριβώς σε πραγματικό χρόνο παρά την αλλαγή είναι κρίσιμη.

Η API της Gladia είναι μοναδική στην ικανότητά της να χειρίζεται αλλαγή κώδικα με इतनές γλωσσικές ζευγάρια και με υψηλό επίπεδο ακρίβειας και εκτελεί καλά ακόμη και σε θορυβώδεις περιβάλλοντα, γνωστά για την μείωση της ποιότητας της μεταγραφής.

Η μεταγραφή σε πραγματικό χρόνο απαιτεί υπερχαμηλή καθυστέρηση. Πώς η API σας επιτυγχάνει καθυστέρηση λιγότερη από 300 χιλιοστά του δευτερολέπτου ενώ διατηρεί την ακρίβεια;

Η διατήρηση της καθυστέρησης κάτω από 300 χιλιοστά του δευτερολέπτου ενώ διατηρείται η υψηλή ακρίβεια απαιτεί μια πολυπρόσωπη προσέγγιση που συνδυάζει την εμπειρογνωσία του υλικού, την βελτίωση των αλγορίθμων και την αρχιτεκτονική σχεδίαση.

Η Τεχνητή Νοημοσύνη σε πραγματικό χρόνο δεν είναι όπως η παραδοσιακή υπολογιστική – είναι στενά συνδεδεμένη με την ισχύ και την αποτελεσματικότητα των GPGPUs. Έχω εργαστεί σε αυτόν τον χώρο για σχεδόν μια δεκαετία, ηγώντας τη διεύθυνση Τεχνητής Νοημοσύνης στην OVHCloud (τον μεγαλύτερο παρόχο cloud στην ΕΕ), και έμαθα από πρώτο χέρι ότι είναι πάντα για να βρεθεί η σωστή ισορροπία: πόση ισχύς υλικού χρειάζεστε, πόσο κοστίζει και πώς να προσαρμόσετε τους αλγόριθμους για να λειτουργήσουν ομαλά με αυτό το υλικό.

Η απόδοση σε πραγματικό χρόνο Τεχνητής Νοημοσύνης προέρχεται από την αποτελεσματική ευθυγράμμιση των αλγορίθμων μας με τις ικανότητες του υλικού, εξασφαλίζοντας ότι κάθε λειτουργία μεγιστοποιεί την απόδοση ενώ ελαχιστοποιεί τις καθυστερήσεις.

Αλλά δεν είναι μόνο η Τεχνητή Νοημοσύνη και το υλικό. Η αρχιτεκτονική του συστήματος παίζει επίσης einen σημαντικό ρόλο, ιδιαίτερα το δίκτυο, το οποίο μπορεί πραγματικά να επηρεάσει την καθυστέρηση. Ο Διευθύνων Σύμβουλος μας, ο οποίος έχει βαθιά εμπειρογνωσία στη σχεδίαση δικτύου χαμηλής καθυστέρησης από την εποχή του στο Sigfox (ένας πρωτοπόρος IoT), έχει βελτιώσει τη ρύθμιση του δικτύου μας για να αφαιρέσει ценными χιλιοστά του δευτερολέπτου.

Έτσι, είναι πραγματικά ένα μείγμα όλων αυτών των παραγόντων – έξυπνες επιλογές υλικού, βελτιωμένοι αλγόριθμοι και σχεδίαση δικτύου – που μας επιτρέπει να επιτύχουμε συνεχώς καθυστέρηση κάτω από 300 χιλιοστά του δευτερολέπτου χωρίς να συμβιβαστούμε στην ακρίβεια.

Η Gladia υπερβαίνει τη μεταγραφή με χαρακτηριστικά όπως η διαρίωση ομιλητή, ανάλυση συναισθήματος και μεταγραφές με χρονοσφραγίδα. Ποια είναι ορισμένα καινοτόμα εφαρμογές που έχετε δει τους πελάτες σας να αναπτύσσουν χρησιμοποιώντας αυτά τα εργαλεία;

ASR ξεκλειδώνει eine ευρεία γκάμα εφαρμογών σε πλατφόρμες σε διάφορους τομείς, και ήταν αξιοπρεπές να δούμε πόσες πραγματικά πρωτοπόρες εταιρείες έχουν出现 τις τελευταίες δύο χρόνια, αξιοποιώντας LLMs και την API μας για να xây dựng πρωτοποριακά, ανταγωνιστικά προϊόντα. Εδώ είναι einige παραδείγματα:

• Ευφυής σημείωση: Πολλοί πελάτες μας κατασκευάζουν εργαλεία για επαγγελματίες που χρειάζονται να καταγράψουν και να οργανώσουν πληροφορίες από εργασιακές συναντήσεις, μαθήματα ή ιατρικές консουλτάσεις. Με τη διαρίωση ομιλητή, η API μας μπορεί να αναγνωρίσει ποιος είπε τι, καθιστώντας εύκολη την ακολούθηση των συνομιλιών και την ανάθεση ενεργειών. Σε συνδυασμό με μεταγραφές με χρονοσφραγίδα, οι χρήστες μπορούν να πηδήξουν απευθείας σε συγκεκριμένα σημεία μιας ηχογράφησης, σώζοντας χρόνο και εξασφαλίζοντας ότι τίποτα δεν χάνεται στη μετάφραση.
• Ενδυνάμωση πωλήσεων: Στο κόσμο των πωλήσεων, η ταχύτητα και οι σωστές πληροφορίες είναι όλα. Οι ομάδες χρησιμοποιούν την ανάλυση συναισθήματος μας για να αποκτήσουν πληροφορίες σε πραγματικό χρόνο σχετικά με το πώς οι πελάτες ανταποκρίνονται κατά τη διάρκεια κλήσεων ή demo. Επιπλέον, οι μεταγραφές με χρονοσφραγίδα βοηθούν τις ομάδες να επανεξετάσουν κρίσιμα σημεία μιας συνομιλίας για να βελτιώσουν την πίτα τους ή να αντιμετωπίσουν προβλήματα πελατών πιο αποτελεσματικά. Για αυτήν την περίπτωση, η NER είναι επίσης κρίσιμη για την αναγνώριση ονομάτων, λεπτομερειών εταιρειών και άλλων πληροφοριών που μπορούν να εξαχθούν από κλήσεις πωλήσεων για να τροφοδοτήσουν αυτόματα το CRM.
• Βοήθεια κέντρου κλήσεων: Οι εταιρείες στον τομέα των κέντρων κλήσεων χρησιμοποιούν την API μας για να παρέχουν ζωντανή βοήθεια στους υπαλλήλους, καθώς και για να σηματοδοτήσουν το συναισθήμα του πελάτη κατά τη διάρκεια κλήσεων. Η διαρίωση ομιλητή διασφαλίζει ότι τα πράγματα που λέγονται ανατίθενται στο σωστό άτομο, ενώ οι μεταγραφές με χρονοσφραγίδα επιτρέπουν στους υπεύθυνους να αναθεωρήσουν κρίσιμα σημεία ή ζητήματα συμμόρφωσης γρήγορα. Αυτό δεν βελτιώνει μόνο την εμπειρία του πελάτη – με καλύτερο ποσοστό επίλυσης κλήσεων και ποιότητα ελέγχου – αλλά cũng αυξάνει την απόδοση και την ικανοποίηση των υπαλλήλων.

Μπορείτε να συζητήσετε το ρόλο των προσαρμοσμένων λεξικών και της αναγνώρισης οντοτήτων στην βελτίωση της αξιοπιστίας της μεταγραφής για τους χρήστες επιχείρησης;

Πολλοί τομείς βασίζονται σε εξειδικευμένη ορολογία, ονόματα εταιρειών και μοναδικές γλωσσικές νύξεις. Η ενσωμάτωση προσαρμοσμένου λεξικού επιτρέπει στην λύση STT να προσαρμοστεί σε αυτές τις ειδικές ανάγκες, το οποίο είναι κρίσιμο για την κατανόηση των контекστούχων νυάνσεων και την παράδοση εξόδου που ανταποκρίνεται στις επιχειρηματικές σας ανάγκες. Για παράδειγμα, σας επιτρέπει να δημιουργήσετε μια λίστα εξειδικευμένων λέξεων, όπως ονόματα εταιρειών, σε μια συγκεκριμένη γλώσσα.

Γιατί είναι χρήσιμο: Η προσαρμογή της μεταγραφής στις συγκεκριμένες ανάγκες σας επιτρέπει να ελαχιστοποιήσετε τα λάθη στις μεταγραφές, επιτυγχάνοντας καλύτερη εμπειρία χρήστη. Αυτό το χαρακτηριστικό είναι ιδιαίτερα κρίσιμο σε τομείς όπως η ιατρική ή η finance.

Η αναγνώριση ονομάτων οντοτήτων (NER) εξάγει και αναγνωρίζει κρίσιμες πληροφορίες από μη δομημένα δεδομένα ήχου, όπως ονόματα ατόμων, οργανισμών, τοποθεσιών και άλλα. Μια κοινή πρόκληση με μη δομημένα δεδομένα είναι ότι αυτή η κρίσιμη πληροφορία δεν είναι εύκολα προσβάσιμη – είναι θαμμένη μέσα στη μεταγραφή.

Για να λύσουμε αυτό, η Gladia ανέπτυξε μια δομημένη προσέγγιση Εξαγωγής Κλειδιών Δεδομένων (KDE). Χρησιμοποιώντας τις γενετικές ικανότητες της αρχιτεκτονικής Whisper – παρόμοια με LLMs – η KDE της Gladia αναγνωρίζει το контέκστ για να αναγνωρίσει και να εξαγάγει σχετικές πληροφορίες απευθείας.

Αυτή η διαδικασία μπορεί να ενισχυθεί με χαρακτηριστικά όπως το προσαρμοσμένο λεξικό και η NER, επιτρέποντας στις επιχειρήσεις να πληρούν τα CRM με κρίσιμες πληροφορίες γρήγορα και αποτελεσματικά.

Σύμφωνα με την άποψή σας, πώς η μεταγραφή σε πραγματικό χρόνο μεταμορφώνει τομείς όπως η υποστήριξη πελατών, οι πωλήσεις και η δημιουργία περιεχομένου;

Η μεταγραφή σε πραγματικό χρόνο μεταμορφώνει αυτούς τους τομείς με τρόπο που φέρνει απίστευτες κέρδη στην απόδοση, σε συνδυασμό με ουσιαστικά οφέλη επιχείρησης.

Πρώτα, η μεταγραφή σε πραγματικό χρόνο είναι ένα παιχνίδι-αλλαγής για τις ομάδες υποστήριξης. Η ζωντανή βοήθεια είναι κρίσιμη για τη βελτίωση του ποσοστού επίλυσης, χάρη σε ταχύτερες απαντήσεις, έξυπνους υπαλλήλους και καλύτερα αποτελέσματα (σε όρους NSF, χρονικών διαστημάτων κ.λπ.). Όσο τα συστήματα ASR γίνονται καλύτερα και καλύτερα στο χειρισμό μη αγγλικών γλωσσών και την πραγματική μετάφραση, τα κέντρα κλήσεων μπορούν να επιτύχουν μια πραγματικά παγκόσμια εμπειρία πελάτη με χαμηλότερα περιθώρια.

Στις πωλήσεις, η ταχύτητα και οι σωστές πληροφορίες είναι όλα. Παρόμοια με ότι συμβαίνει με τους υπαλλήλους υποστήριξης, η μεταγραφή σε πραγματικό χρόνο εξοπλίζει τους πωλητές με τις σωστές πληροφορίες στην σωστή στιγμή, τους επιτρέποντας να εστιάσουν στο τι είναι πιο σημαντικό για την κλείσιμο συμφωνιών.

Για τους δημιουργούς, η μεταγραφή σε πραγματικό χρόνο είναι ίσως λιγότερο σχετική σήμερα, αλλά ακόμη γεμάτη δυνατότητες, ιδιαίτερα όταν πρόκειται για ζωντανές υποτιτλώσεις και μετάφραση κατά τη διάρκεια των μέσων ενημέρωσης. Οι περισσότεροι πελάτες μας στα μέσα ενημέρωσης vẫn προτιμούν την ασύγχρονη μεταγραφή, поскольку η ταχύτητα δεν είναι τόσο κρίσιμη εκεί, ενώ η ακρίβεια είναι κρίσιμη για εφαρμογές όπως η χρονοσφραγίδα βίντεο και η δημιουργία υποτιτλίων.

Η μεταγραφή Τεχνητής Νοημοσύνης σε πραγματικό χρόνο φαίνεται να είναι μια αυξανόμενη τάση. Πού βλέπετε αυτήν την τεχνολογία να πηγαίνει τα επόμενα 5-10 χρόνια;

Νιώθω ότι αυτό το φαινόμενο, το οποίο τώρα ονομάζουμε Τεχνητή Νοημοσύνη σε πραγματικό χρόνο, θα είναι παντού. Ουσιαστικά, αυτό που αναφερόμαστε εδώ είναι η ομαλή ικανότητα των μηχανών να αλληλεπιδρούν με τους ανθρώπους, όπως οι άνθρωποι ήδη αλληλεπιδρούν μεταξύ τους.

Και αν κοιτάξετε οποιαδήποτε ταινία του Χόλιγουντ (όπως Her) που έχει ρυθμιστεί στο μέλλον, δεν θα δείτε κανέναν να αλληλεπιδρά με έξυπνα συστήματα μέσω πληκτρολογίου. Για μένα, αυτό είναι η απόδειξη ότι στην συλλογική φαντασία της ανθρωπότητας, η φωνή θα είναι πάντα ο πρωταρχικός τρόπος με τον οποίο αλληλεπιδρούμε με τον κόσμο γύρω μας.

Η φωνή, ως ο κύριος διαύλος για την συσσώρευση και την κοινή χρήση της ανθρώπινης γνώσης, έχει υπάρξει μέρος της ανθρώπινης κουλτούρας και ιστορίας για πολύ περισσότερο χρόνο από την γραφή. Στη συνέχεια, η γραφή ανέλαβε γιατί επέτρεψε να διατηρήσουμε τη γνώση μας πιο αποτελεσματικά από το να εξαρτόμαστε από τους πρεσβύτερους της κοινότητας για να φυλάξουν τις ιστορίες και τη σοφία μας.

Τα συστήματα GenAI, ικανά να κατανοούν ομιλία, να παράγουν απαντήσεις και να αποθηκεύουν τις αλληλεπιδράσεις μας, έφεραν κάτι完全 νέο στον χώρο. Είναι το καλύτερο και των δύο κόσμων και το καλύτερο της ανθρωπότητας. Δίνει μας αυτήν την μοναδική δύναμη και ενέργεια της φωνητικής επικοινωνίας με το πλεονέκτημα της μνήμης, το οποίο προηγουμένως μόνο τα γραπτά μέσα μπορούσαν να μας προσφέρουν. Αυτός είναι ο λόγος για τον οποίο πιστεύω ότι θα είναι παντού – είναι ο απόλυτος συλλογικός μας όνειρο.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Gladia.