साक्षात्कार
थुय ले, स्पीचमैटिक्स में उत्पाद प्रमुख – साक्षात्कार श्रृंखला
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
थुय ले स्पीचमैटिक्स में उत्पाद प्रमुख हैं, थुय के पास प्रौद्योगिकी और नवाचारों के विकास में दो दशक से अधिक का अनुभव है, साथ ही एमआईटी से मैकेनिकल इंजीनियरिंग में बीएस और स्टैनफोर्ड से उत्पाद डिजाइन में एमएस है। थुय के पास उत्पाद प्रबंधन, डिजाइन और विकास, साथ ही आरएंडडी, इंजीनियरिंग, मीडिया विकास और व्यवसाय रणनीति में व्यापक अनुभव है। स्पीचमैटिक्स में, वह नवाचारी उत्पादों और सेवाओं को लॉन्च करने के लिए जिम्मेदार हैं ताकि व्यवसाय में सब कुछ में बाजार का नेतृत्व किया जा सके।
आप नवंबर, 2019 में स्पीचमैटिक्स में शामिल हुए, जिसमें स्व-ड्राइविंग वाहनों और बी2बी विश्लेषण सॉफ्टवेयर जैसे विभिन्न उद्योगों में काम करने का अनुभव था। स्पीच रिकग्निशन में काम करने के लिए आपको क्या आकर्षित किया?
मैंने हमेशा नए प्रौद्योगिकी के अनुप्रयोग और अर्थपूर्ण प्रभाव के लिए रुचि ली है। स्पीचमैटिक्स में स्पीच रिकग्निशन, विशेष रूप से, इस मानदंड को पूरा करता है। निश्चित रूप से, यह हमारे ग्राहकों को अपने उत्पादों में स्पीच-टू-टेक्स्ट के मूल्य का लाभ उठाने में मदद करने के लिए बहुत अच्छा है।
स्पीचमैटिक्स में उत्पाद प्रमुख के रूप में आपका दिन-प्रतिदिन का काम क्या होता है?
स्पीचमैटिक्स एक स्केल-अप है और हमारी उत्पाद टीम छोटी है (और बढ़ रही है!), इसलिए कोई दो दिन समान नहीं होते हैं और हर कोई जहां/जब आवश्यक हो वहां योगदान करता है। उत्पाद प्रमुख के रूप में, कंपनी और उत्पाद रणनीति से लेकर सामान्य उत्पाद कार्यों जैसे रोडमैप प्राथमिकता और ग्राहक इंटरैक्शन तक, और वितरण के आसपास विस्तृत हाथों-हाथ समस्या समाधान तक, सब कुछ खेल में है। स्पष्ट रूप से, संगठन में विभिन्न कार्यों के साथ संबंध निर्माण और भर्ती भी भूमिका का एक महत्वपूर्ण हिस्सा है।
आप विभिन्न बोलियों और उच्चारणों वाले डेटासेट तक पहुंचने की चुनौतियों पर चर्चा कर सकते हैं?
स्पीच टेक्नोलॉजी में, इंजन आमतौर पर एक भाषा की एक बोली पर प्रशिक्षित होता है, जिससे यह सबसे सटीक रूप से पहचान और लिप्यंतरण करता है। अंग्रेजी में, यह अमेरिकी अंग्रेजी है, और त्रुटि दर आमतौर पर ऑस्ट्रेलियाई उच्चारण, ब्रिटिश उच्चारण, जमैका उच्चारण और इसी तरह के लिए अधिक होती है। इसलिए, जो कंपनियां वैश्विक ग्राहक आधार के साथ बातचीत करने के लिए प्रौद्योगिकी का लाभ उठा रही हैं, यह एक बड़ी चुनौती प्रस्तुत करता है। तीन साल पहले, 2018 में, हमने ग्लोबल इंग्लिश लॉन्च किया, जो हर अंग्रेजी उच्चारण और बोली को समझने वाला हमारा उद्योग-अग्रणी भाषा पैक है, और पिछले साल, हमने ग्लोबल स्पेनिश के साथ इस मिशन को जारी रखा। हमारा मानना है कि स्पीच टेक्नोलॉजी अपनी उच्चतम क्षमता तक पहुंचने के लिए, इसे हर किसी के साथ बातचीत करने की आवश्यकता है। हम आगे चलकर एआई “उच्चारण अंतर” को और भी नवाचारों के साथ बंद करने की उम्मीद करते हैं जो इस साल बाद में आने वाले हैं।
इन डेटासेट से प्रशिक्षित करने के लिए कुछ मशीन लर्निंग विधियां क्या हैं?
हम अपने इंजन में परिचित पर्यवेक्षित गहरे शिक्षण तकनीकों और न्यूरल नेटवर्क का उपयोग करते हैं। हम नए दृष्टिकोणों पर भी निरंतर अनुसंधान करते हैं, विशेष रूप से यह देखने के लिए कि एएसआर मॉडल में लेबल वाले डेटा की मात्रा को कैसे कम किया जा सकता है। डेटा स्पीच रिकग्निशन प्रौद्योगिकी बनाने में राजा है, इसलिए हमारे डेटा पहुंच को व्यापक बनाने के लिए अनुसंधान को आगे बढ़ाना आवश्यक है। हमारे इंजन में न्यूरल नेटवर्क का उपयोग विभिन्न संदर्भों और भाषाओं में बेहतर ढंग से सामान्यीकरण करने की अनुमति देता है।
स्पीचमैटिक्स वर्तमान में एक उद्योग नेता है, जिसके परीक्षण में पाया गया है कि ग्लोबल स्पेनिश गूगल के ऑफर से 3-20% अधिक सटीक है और माइक्रोसॉफ्ट के तुलनात्मक उत्पाद से 4-13% अधिक सटीक है। आप इस सफलता को क्या मानते हैं?
जैसा कि मैंने पहले उल्लेख किया है, स्पीच टेक्नोलॉजी वास्तव में व्यवसायों के लिए एक संपत्ति बनने के लिए, उन्हें अपने पूरे ग्राहक आधार को समझने में मदद करने की आवश्यकता है, चाहे वे किसी भी भाषा में बोल रहे हों या किसी भी बोली का उपयोग कर रहे हों। यह स्पीचमैटिक्स के नवाचारों का केंद्र है, और हम इन जटिल चुनौतियों को हल करने के लिए प्रतिबद्ध हैं। और, हमारे पास एक अद्भुत टीम है जो उत्साहित, प्रेरित और बाजार में सर्वोत्तम प्रौद्योगिकी प्रदान करने के लिए नवीनतम गहरे शिक्षण तकनीकों का उपयोग करने में निवेश किया गया है।
वर्तमान में कौन सी भाषाएं पेश की जा रही हैं और कौन सी भाषाएं जोड़ने के लिए वर्तमान में शोध की जा रही हैं?
हम वर्तमान में अरबी से लेकर मंदारिन, पोलिश से लेकर पुर्तगाली तक, और कई अन्य सहित 30 से अधिक व्यावसायिक भाषाएं प्रदान करते हैं। लेकिन यह हमारे अंग्रेजी और स्पेनिश भाषा पैक हैं जो वैश्विक हैं। आगे देखते हुए, हम नए तरीकों पर देख रहे हैं जो न केवल हमें नए भाषाओं को अधिक तेजी से जोड़ने की अनुमति देंगे, बल्कि हमारी मौजूदा भाषाओं में भी नियमित रूप से सुधार करेंगे।
एक स्पीच-एबल्ड भविष्य के बारे में आपके विचार क्या हैं जहां आवाज़ प्राथमिक संचार का रूप है?
व्यवसाय स्पीच रिकग्निशन प्रौद्योगिकी में मूल्य देख रहे हैं: 2020 में उद्यमों के बीच प्रौद्योगिकी को अपनाने में एक उल्लेखनीय वृद्धि देखी गई, जिसमें 68% उत्तरदाताओं ने बताया कि उनकी कंपनी के पास एक वॉइस टेक्नोलॉजी रणनीति है – पिछले साल की तुलना में 18% की वृद्धि। लेकिन यह अपनी अधिकतम मूल्य क्षमता तक पहुंचने के लिए, प्रौद्योगिकी को एक उन्नयन की आवश्यकता है। एक बातचीत शब्दों से अधिक है – यह संदर्भ संकेतों जैसे भावना, लय, विराम चिह्न, पृष्ठभूमि शोर, स्वर, वक्ता परिवर्तन और बहुत कुछ से बना है। जबकि स्पीच रिकग्निशन प्रौद्योगिकी से पाठ अकेले बहुत सारे मूल्य को सक्षम बनाता है, जब यह ऑडियो फ़ाइलों या यहां तक कि वीडियो फ़ाइलों की बात आती है, तो रिकॉर्ड की गई वास्तविक स्पीच अब केवल शब्दों से परे जा सकती है। स्पीच रिकग्निशन प्रौद्योगिकी का भविष्य इन सभी अन्य कारकों पर विचार करेगा। केवल तभी यह न केवल स्पीच को पाठ में बदलने के बारे में होगा, बल्कि स्पीच को मूल्य में बदलने और वास्तव में हर आवाज़ को समझने के बारे में होगा।
क्या स्पीचमैटिक्स के बारे में आप कुछ और साझा करना चाहेंगे?
हमारे पास वास्तव में रोमांचक उन्नति आ रही है जो इस साल बाद में आने वाली है जिसके बारे में हम साझा करने के लिए उत्साहित हैं, इसलिए उन्हें देखने के लिए नजर रखें!
साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें स्पीचमैटिक्स पर जाना चाहिए।
