Thuy Le, Speechmaticsin tuotejohtaja – Haastattelusarja

Thuy Le on Speechmaticsin tuotejohtaja, ja hänellä on yli kaksi vuosikymmentä kokemusta teknologiasta ja innovatiivisten ideoiden kehittämisestä. Hänellä on myös BS-tutkinto mekaniikasta MIT:stä ja MS-tutkinto tuotesuunnittelusta Stanfordin yliopistosta. Thuylla on laaja kokemus tuotehallinnasta, suunnittelusta ja kehityksestä, sekä tutkimuksesta, insinööritöistä, median kehityksestä ja liiketoimintastrategiasta. Speechmaticsissa hän on vastuussa innovatiivisten tuotteiden ja palvelujen lanseeraamisesta, jotta yritys voi säilyttää markkinajohtajuutensa.

Lität Speechmaticsissa marraskuussa 2019, kun olet työskennellyt monissa eri aloissa, kuten itseajavissa ajoneuvoissa ja B2B-analytiikkasohvelluksissa. Mikä sai sinut kiinnostumaan puheentunnistuksesta?

Olen aina ollut kiinnostunut uuden teknologian soveltamisesta mielenkiintoisiin käyttötapauksiin ja merkityksellisiin vaikutuksiin. Puheentunnistus, erityisesti Speechmaticsissa, täyttää tämän kriteerin. On ollut hienoa auttaa asiakkaitamme hyödyntämään puheen muuttamisen tekstin arvoa omassa tuotteissaan.

Millainen on työpäiväsi Speechmaticsissa?

Speechmatics on kasvuyritys, ja tuotejoukkue on pieni (ja kasvava!), joten kaksi päivää ei ole samanlaista, ja jokainen osallistuu tarvittaessa. Tuotejohtajana kaikki yrityksen ja tuotestrategiasta tuotteen tavanomaisiin tehtäviin, kuten tiestön priorisointiin ja asiakastilaisuuksiin, sekä yksityiskohtaisiin ongelmanratkaisuihin toimituksessa, ovat kaikki mahdollisia. Ihmissuhteiden rakentaminen eri osastoihin ja rekrytointi ovat myös tärkeitä osia roolissa.

Voitko keskustella haasteista, joita aiheuttavat eri murteiden ja aksenttien sisältävät aineistot?

Puheentunnistusteknologiassa moottori on yleensä rakennettu kouluttamalla sitä yhdellä kielen murteella, jolloin se tunnistaa ja transkriboi parhaiten kyseisen murteen. Englannissa se on yleensä amerikanenglanti, ja virheiden määrä on yleensä suurempi australialaisille, brittiläisille, jamaikalaisille aksenteille jne. Tämä on suuri haaste yrityksille, jotka hyödyntävät teknologiaa kansainvälisen asiakaskunnan kanssa. Kolme vuotta sitten, 2018, lanseerasimme Global Englishin, joka on alan johtava kielifunktio, joka ymmärtää jokaisen englannin aksentin ja murteen, ja viime vuonna jatkoimme tätä tehtävää Global Spanishin lanseeraamisella. Uskomme, että puheentunnistusteknologian on ymmärrettävä jokainen, jonka kanssa se vuorovaikuttaa, jotta se voi saavuttaa täyden potentiaalinsa. Olemme innoissamme lupaavista edistysaskelista, jotka tulevat myöhemmin tänä vuonna.

Mitkä ovat joitain koneoppimismenetelmiä, joita käytetään näiden aineistojen kouluttamiseen?

Käytämme tuttuja valvottuja syväoppimismenetelmiä ja neuroverkkoja moottorissamme. Tutkimme myös jatkuvasti uusia lähestymistapoja, erityisesti siinä, miten vähentää merkittyjen aineistojen määrää äänen tunnistusmallissa. Data on kuningas, kun rakennetaan puheentunnistusteknologiaa, joten tutkimuksen edistäminen, joka mahdollistaa laajemman datan saavuttamisen, on olennaista. Neuroverkkojen käyttäminen moottorissamme mahdollistaa meille paremman yleistymisen eri asiayhteyksissä ja kielissä.

Speechmatics on tällä hetkellä alan johtaja, ja testit osoittavat, että Global Spanish on 3-20% tarkin kuin Google (GOOGL ) ja 4-13% tarkin kuin Microsoftin vastaava tuote. Mihin attribuuttiin sinä tämän menestyksen?

Kuten mainitsin aiemmin, puheentunnistusteknologian on oltava yritysten todellinen apuväline, jotta se voi auttaa heitä ymmärtämään koko asiakaskuntaansa, riippumatta siitä, mitä kieltä he puhuvat tai mitä murretta he käyttävät. Tämä on Speechmaticsin innovaatioiden ydin, ja olemme sitoutuneita ratkaisemaan nämä monimutkaiset haasteet. Ja meillä on uskomaton tiimi, joka on intohimoinen, motivoitunut ja sitoutunut käyttämään viimeisimpiä syväoppimismenetelmiä tarjoamaan asiakkaillemme markkinoiden parasta teknologiaa.

Mitkä ovat tällä hetkellä tarjolla olevat kielet ja mitkä kielet ovat tutkimuskohteina lisättäviksi?

Tarjoamme yli 30 kaupallista kieltä, arabian, mandariinin, puolan, portugalin ja monien muiden joukossa. Mutta englannin ja espanjan kielipaketit ovat globaaleja. Tulevaisuudessa tutkimme uusia menetelmiä, jotka mahdollistavat uusien kielten nopeamman lisäämisen ja olemassa olevien kielten säännöllisemmän parantamisen.

Mitkä ovat näkymäsi puheen mahdollistamasta tulevaisuudesta, jossa ääni on ensisijainen viestintämuoto?

Yritykset näkevät yhä enemmän arvoa puheentunnistusteknologiassa: vuonna 2020 nähtiin merkittävä kasvu teknologian omaksumisessa yrityksissä, ja 68% vastaajista ilmoitti, että heidän yrityksellään on ääniteknologian strategia – 18% enemmän kuin edellisvuonna. Mutta jotta se voi saavuttaa maksimaalisen arvonsa, teknologiaa on päivitettävä. Keskustelu on enemmän kuin vain sanoja – se koostuu myös kontekstuaalisista vihjeistä, kuten tunteista, tahtista, välimerkeistä, taustamelusta, sävystä, puhujan vaihdosta jne. Vaikka teksti puheentunnistusteknologiasta itsessään mahdollistaa paljon arvoa itsessään, äänitiedostojen tai jopa videoiden kanssa tallennettu puhe voi nyt laajentua sanojen ulkopuolelle. Puheentunnistusteknologian tulevaisuus ottaa huomioon nämä muut tekijät. Vasta silloin se ei ole vain puheen muuttamista tekstin, vaan puheen muuttamista arvoksi ja todella ymmärtämällä jokaisen äänen.

Onko jotain muuta, mitä haluaisit jakaa Speechmaticsista?

Meillä on todella jännittäviä edistysaskelia tulossa myöhemmin tänä vuonna, joten pidä silmällä!

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Speechmaticsissa.