aiOla מציגה QUASAR כדי לשקול מחדש כיצד זיהוי דיבור פועל בייצור

aiOla השיקה QUASAR, פלטפורמה שתוכננה כדי לפתור אחד מהבעיות העיקשות ביותר ב-voice AI של תאגידים: ביצועי זיהוי דיבור לא עקביים בתנאים אמיתיים. במקום לנעול לקוחות בספק יחיד של זיהוי דיבור אוטומטי (ASR), QUASAR פועלת כשער חכם שמנתב דינאמית את כל אינטראקציית האודיו למנוע ASR שככל הנראה יבצע היטב ביותר ברגע זה.

המהפך הזה חשוב כאשר דיבור הופך לקלט מרכזי עבור זרימות עבודה מונחות AI במרכזי קשר, כדי ציות, ניתוח, חיפוש ובהדרגה, סוכנים אוטונומיים של AI. בעוד שציונים של בנצ’מרקים מנחים לעיתים קרובות את בחירת ASR, סביבות ייצור מאופיינות במבטאים, רעשי רקע, מונחים ספציפיים לתחום ואיכות רשת משתנה – גורמים שיכולים לשנות את דיוק הזיהוי באופן דרמטי מאינטראקציה אחת לאחרת.

למה ASR המונוליטי מתפרק בקנה מידה

רוב התאגידים כיום מפרישים ASR כהחלטת תשתית סטטית. נבחר ספק יחיד על בסיס בנצ’מרקים מצטברים, אז הוא משולב עמוקות בזרימות עבודה. בפועל, זה יוצר נקודות עיוור. מנוע שמצטיין בדיבור נקי, קריא, עשוי להתקשות עם דוברים במבטא או מילון תעשייתי כבד. אחר עשוי להתמודד היטב עם אודיו רועש אך להחטיא שמות פרטיים או רצפים מספריים קריטיים עבור ציות וחיוב.

מעבר לספק אחר כדי לטפל בפערים האלה הוא יקר ומפריע, לעיתים קרובות דורש אימון מחדש, אימות מחדש והפסקת פעילות. בינתיים, מודלים חדשים של ASR ועדכונים משוחררים בקצב שעוקף את היכולת של מרבית הארגונים לבדוק ואמץ אותם. התוצאה היא שיעורי הכללה נמוכים יותר, סיכום לא מדויק, ניתוח חלש יותר ועומס גבוה יותר של אבטחת איכות – הכל נעשה על ידי שגיאות תעתיק שיכולות היו להימנע.

מבט מבפנים על ארכיטקטורת QUASAR: טיפול ב-ASR כבעיה דינאמית

QUASAR מתייחסת לזיהוי דיבור כאתגר אופטימיזציה בזמן אמת. כל בקשת אודיו הנכנסת מוערכת לפני תעתיק, בהתחשב בגורמים כגון מאפייני דובר, תנאים אקוסטיים והקשר של תחום. על בסיס הערכה זו, המערכת מנתבת את האודיו למנוע ASR שככל הנראה יספק את תוצאת האיכות הגבוהה ביותר עבור אינטראקציה זו.

טכנית, QUASAR פועלת כשכבת תזמון שיכולה לעבוד על פני API של עננים מסחריים, מודלים עצמאיים ופריסות ASR מותאמות אישית. ההפשטה הזו מאפשרת לתאגידים לנ