Thuy Le, produktchef på Speechmatics – Intervju-serie

Thuy Le är produktchef på Speechmatics, Thuy har över två decenniers erfarenhet av teknik och utveckling av innovativa idéer, samt en kandidatexamen i maskinteknik från MIT och en masterexamen i produktutveckling från Stanford. Thuy har en bred erfarenhet inom produktledning, design och utveckling, samt FoU, teknik, medieutveckling och affärsstrategi. På Speechmatics ansvarar hon för att lansera innovativa produkter och tjänster för att säkerställa att företaget förblir marknadsledande inom allt det gör.

Du gick med i Speechmatics i november 2019 efter att ha arbetat inom en rad olika branscher, inklusive självkörande fordon och B2B-analytisk programvara. Vad var det som lockade dig till att arbeta med taligenkänning?

Jag har alltid varit intresserad av att tillämpa ny teknik för intressanta användningsfall och meningsfull påverkan. Taligenkänning, särskilt på Speechmatics, uppfyller dessa kriterier. Det har varit fantastiskt att hjälpa våra kunder att utnyttja värdet av tal-till-text i sina egna varierade produktutbud.

Som produktchef på Speechmatics, vad består din dagliga verksamhet av?

Speechmatics är ett företag i tillväxt, och vårt produktteam är litet (och växer!), så ingen dag är den andra lik, och alla bidrar där och när det behövs. Som produktchef handlar allt från högnivåföretags- och produktstrategi till vanliga produktuppgifter som vägkarta-prioritering och kundinteraktioner till detaljerad, praktisk problemlösning kring leverans. Det är också viktigt att bygga relationer över olika funktioner inom organisationen och att rekrytera.

Kan du diskutera utmaningarna med att komma åt datamängder med olika dialekter och accenter?

I talteknik byggs vanligtvis motorn genom att träna den på en dialekt av ett språk, vilket gör att dialekten är den som den känner igen och transkriberar mest exakt. På engelska är det amerikanska engelska, och felraterna är vanligtvis högre för australiska accenter, brittiska accenter, jamaicanska accenter och så vidare. För företag som använder tekniken för att interagera med en global kundbas presenterar detta en enorm utmaning. För tre år sedan, 2018, lanserade vi Global English, vår branschledande språkpaket som förstår varje engelsk accent och dialekt, och förra året fortsatte vi denna mission med lanseringen av Global Spanish. Vi tror att taltekniken för att nå sin fulla potential måste förstå alla den interagerar med. Vi ser fram emot att ytterligare minska AI-“accentgapet” med fler innovationer som kommer senare i år.

Vilka är några av de maskinlärningsmetoderna som används för att träna från dessa datamängder?

Vi använder bekanta övervakade djupinlärningstekniker och neuronnät i vår motor. Vi forskar också kontinuerligt om nya tillvägagångssätt, särskilt hur man kan minska mängden märkt data som behövs i ASR-modeller. Data är kungen när man bygger taligenkänningsteknik, så det är viktigt att främja forskning som gör att vi kan utöka vår datatäckning. Användningen av neuronnät i vår motor gör att vi kan bättre generalisera över olika sammanhang och språk.

Speechmatics är för närvarande en branschledare med tester som visar att Global Spanish är 3-20% mer exakt än Googles erbjudande och 4-13% mer exakt än Microsofts jämförbara produkt. Vad tillskriver du denna framgång?

(GOOGL ) (MSFT )

Som jag nämnde tidigare, för att talteknik verkligen ska vara en tillgång för företag, måste den hjälpa dem att förstå hela sin kundbas, oavsett vilket språk de talar eller vilken dialekt de använder. Detta är kärnan i Speechmatics innovationer, och vi är dedikerade till att lösa dessa komplexa utmaningar. Och vi har ett fantastiskt team som är passionerat, drivet och engagerat i att använda de senaste djupinlärningsteknikerna för att erbjuda våra kunder den bästa tekniken på marknaden.

Vilka är de nuvarande språk som erbjuds och vilka språk forskas det för närvarande för att läggas till?

Vi erbjuder för närvarande över 30 kommersiella språk, från arabiska till mandarin, polska till portugisiska och många fler. Men det är våra engelska och spanska språkpaket som är globala. Framåt ser vi på nya tekniker som inte bara kommer att tillåta oss att lägga till nya språk snabbare, utan också förbättra våra befintliga språk mer regelbundet.

Vad är din syn på en talaktiverad framtid där röst är det primära kommunikationsmedlet?

Företag ser alltmer värde i taligenkänningsteknik: 2020 såg en markant ökning av antagandet av tekniken bland företag, med 68% av respondenterna som rapporterade att deras företag har en röstteknikstrategi — en ökning med 18% från föregående år. Men för att den ska nå sin fulla potential måste tekniken förbättras. En konversation handlar om mer än bara ord – det handlar också om kontextuella ledtrådar som känslor, kadens, punktering, bakgrundsljud, ton, talmässiga förändringar och mer. Medan text från taligenkänningsteknik i sig möjliggör en hel del värde, kommer taligenkänningsteknikens framtid att ta hänsyn till alla dessa andra faktorer. Först då kommer den inte bara att handla om att omvandla tal till text, utan om att omvandla tal till värde och verkligen förstå varje röst.

Finns det något annat du vill dela om Speechmatics?

Vi har några riktigt spännande framsteg som kommer senare i år som vi är glada att dela, så håll utkik efter dem!

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Speechmatics.