Thuy Le, Head of Product at Speechmatics – Intervista della serie

Thuy Le è il Head of Product di Speechmatics, Thuy ha oltre due decenni di esperienza nel settore tecnologico e nello sviluppo di idee innovative, nonché un BS in Ingegneria Meccanica al MIT e un MS in Design di Prodotto a Stanford. Thuy ha una vasta esperienza in gestione di prodotti, design e sviluppo, nonché in R&D, ingegneria, sviluppo di media e strategia aziendale. In Speechmatics, è incaricato di lanciare prodotti e servizi innovativi per garantire che l’azienda rimanga leader di mercato in tutto ciò che fa.

Ha iniziato a lavorare in Speechmatics nel novembre 2019, dopo aver lavorato in una vasta gamma di settori, tra cui veicoli autonomi e software di analisi B2B. Cosa l’ha attratta a lavorare nel riconoscimento vocale?

Sono sempre stato attratto dall’applicazione di nuove tecnologie per casi d’uso interessanti e impatto significativo. Il riconoscimento vocale, in particolare in Speechmatics, soddisfa questi criteri. Sì, è stato fantastico aiutare i nostri clienti a sfruttare il valore della tecnologia di riconoscimento vocale nei loro prodotti.

Come Head of Product in Speechmatics, cosa consiste la sua giornata lavorativa?

Speechmatics è un’azienda in crescita e il nostro team di prodotto è piccolo (e in crescita!), quindi non ci sono due giorni uguali e tutti contribuiscono dove e quando necessario. Come Head of Product, tutto, dalla strategia aziendale e di prodotto a livello più alto alla priorità della roadmap e alle interazioni con i clienti, fino alla risoluzione di problemi dettagliati, è parte del mio lavoro. Ovviamente, la costruzione di relazioni con le varie funzioni all’interno dell’organizzazione e il reclutamento sono anche una parte importante del ruolo.

Potrebbe discutere le sfide nell’accesso ai dataset con diversi dialetti e accenti?

Nella tecnologia del riconoscimento vocale, il motore è solitamente costruito addestrando su un dialetto di una lingua, rendendo quel dialetto il più preciso e trascrivibile. In inglese, è l’inglese americano, e i tassi di errore sono solitamente più alti per gli accenti australiani, britannici, giamaicani e così via. Quindi, per le aziende che utilizzano la tecnologia per interagire con una base di clienti globali, questo rappresenta una sfida enorme. Tre anni fa, nel 2018, abbiamo lanciato Global English, il nostro pacchetto linguistico leader di settore che comprende ogni accento e dialetto inglese, e l’anno scorso abbiamo continuato questa missione con il lancio di Global Spanish. Crediamo che, per raggiungere il massimo potenziale, la tecnologia del riconoscimento vocale debba comprendere tutti coloro con cui interagisce. Siamo entusiasti di ulteriori innovazioni che verranno lanciate più tardi quest’anno per ridurre ulteriormente il divario dell’accento nell’AI.

Quali sono alcune delle metodologie di apprendimento automatico utilizzate per addestrare da questi dataset?

Utilizziamo tecniche di apprendimento profondo supervisionato e reti neurali nel nostro motore. Stiamo anche continuando a ricercare nuovi approcci, in particolare su come ridurre la quantità di dati etichettati necessari nei modelli di riconoscimento vocale. I dati sono fondamentali per costruire la tecnologia di riconoscimento vocale, quindi avanzare la ricerca che ci consente di ampliare la nostra portata dei dati è essenziale. L’utilizzo di reti neurali nel nostro motore ci consente di generalizzare meglio attraverso contesti e lingue diversi.

Speechmatics è attualmente un leader di settore, con test che mostrano che Global Spanish è dal 3% al 20% più preciso dell’offerta di Google (GOOGL ) e dal 4% al 13% più preciso del prodotto comparabile di Microsoft (MSFT ). A cosa attribuisce questo successo?

Come ho menzionato in precedenza, perché la tecnologia del riconoscimento vocale sia realmente un asset per le aziende, deve aiutarle a comprendere l’intera base di clienti, indipendentemente dalla lingua parlata o dal dialetto utilizzato. Questo è al cuore delle innovazioni di Speechmatics, e siamo impegnati a risolvere queste sfide complesse. E abbiamo un team incredibile che è appassionato, motivato e impegnato nell’utilizzo delle tecniche di apprendimento profondo più recenti per offrire ai nostri clienti la migliore tecnologia sul mercato.

Quali sono le lingue attualmente offerte e quali lingue sono attualmente oggetto di ricerca per essere aggiunte?

Attualmente offriamo oltre 30 lingue commerciali, dall’arabo al mandarino, dal polacco al portoghese e molte altre. Ma sono i nostri pacchetti linguistici inglese e spagnolo a essere globali. Guardando avanti, stiamo esaminando nuove tecniche che non solo ci consentiranno di aggiungere nuove lingue più velocemente, ma anche di migliorare le nostre lingue esistenti più regolarmente.

Quali sono le sue opinioni su un futuro abilitato alla voce, in cui la voce è la forma principale di comunicazione?

Le aziende stanno sempre più vedendo il valore nella tecnologia di riconoscimento vocale: il 2020 ha visto un aumento significativo dell’adozione di questa tecnologia tra le imprese, con il 68% dei rispondenti che ha dichiarato che la loro azienda ha una strategia di tecnologia vocale — un aumento del 18% rispetto all’anno precedente. Tuttavia, perché raggiunga il massimo potenziale, la tecnologia è dovuta per un miglioramento. Una conversazione è più di sole parole – è anche fatta di indizi contestuali come il sentimento, il ritmo, la punteggiatura, il rumore di fondo, il tono, i cambi di speaker e molto altro. Sebbene il testo da tecnologia di riconoscimento vocale da sola consenta già di ottenere molto valore, quando si tratta di file audio o anche video, il discorso registrato può ora estendersi oltre le sole parole. Il futuro della tecnologia di riconoscimento vocale prenderà in considerazione tutti questi altri fattori. Solo allora non sarà più solo questione di convertire il discorso in testo, ma di convertire il discorso in valore e comprendere veramente ogni voce.

C’è qualcos’altro che vorrebbe condividere su Speechmatics?

Ancora non abbiamo condiviso alcune innovazioni emozionanti che verranno rilasciate più tardi quest’anno, quindi tenete d’occhio!

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Speechmatics.