ทุย เล, หัวหน้าผลิตภัณฑ์ที่ Speechmatics – ซีรีส์สัมภาษณ์

ทุย เล เป็นหัวหน้าผลิตภัณฑ์ที่ Speechmatics ทุย มีประสบการณ์มากกว่าสองทศวรรษในด้านเทคโนโลยีและพัฒนาแนวคิดใหม่ๆ รวมถึงปริญญาตรีสาขาวิศวกรรมเครื่องกลจาก MIT และปริญญาโทสาขาวิศวกรรมผลิตภัณฑ์จาก Stanford ทุย มีประสบการณ์หลากหลายในด้านการจัดการผลิตภัณฑ์ การออกแบบและการพัฒนา รวมถึงการวิจัยและพัฒนา การพัฒนา媒体 และกลยุทธ์ธุรกิจ ที่ Speechmatics เธอได้รับมอบหมายให้เปิดตัวผลิตภัณฑ์และบริการใหม่ๆ เพื่อให้แน่ใจว่าธุรกิจจะยังคงเป็นผู้นำในตลาด

คุณเข้าร่วม Speechmatics ในเดือนพฤศจิกายน 2019 หลังจากทำงานในอุตสาหกรรมต่างๆ รวมถึงรถยนต์ไร้คนขับและซอฟต์แวร์สำหรับวิเคราะห์ธุรกิจต่อธุรกิจ คุณถูกดึงดูดให้ทำงานในด้านการรู้จำเสียงพูดเพราะอะไร?

ฉันถูกดึงดูดให้ใช้เทคโนโลยีใหม่ๆ สำหรับกรณีการใช้งานที่น่าสนใจและผลกระทบที่มีความหมาย การรู้จำเสียงพูด โดยเฉพาะที่ Speechmatics เป็นไปตามเกณฑ์นี้ และมัน đã เป็นเรื่องที่ดีในการช่วยให้ลูกค้าของเราใช้คุณค่าของเทคโนโลยีการรู้จำเสียงพูดในผลิตภัณฑ์ของตนเอง

ในฐานะหัวหน้าผลิตภัณฑ์ที่ Speechmatics วันทำงานของคุณประกอบด้วยอะไรบ้าง?

Speechmatics เป็นธุรกิจที่กำลังเติบโต และทีมผลิตภัณฑ์ของเรายังค่อนข้างเล็ก (และกำลังเติบโต!) ดังนั้นไม่มีวันที่เหมือนกัน และทุกคนต้องช่วยเหลือซึ่งกันและกันเมื่อจำเป็น ในฐานะหัวหน้าผลิตภัณฑ์ ทุกอย่างตั้งแต่กลยุทธ์ระดับสูงของบริษัทและผลิตภัณฑ์ไปจนถึงหน้าที่ผลิตภัณฑ์ทั่วไป เช่น การจัดลำดับความสำคัญของแผนงานและการสื่อสารกับลูกค้า ไปจนถึงการแก้ปัญหาโดยละเอียดในการส่งมอบล้วนเป็นส่วนหนึ่งของงานของฉัน

คุณสามารถพูดถึงความท้าทายในการเข้าถึงชุดข้อมูลที่มีสำเนียงและเสียงพูดที่แตกต่างกันบ้างหรือไม่?

ในด้านเทคโนโลยีการรู้จำเสียงพูด เครื่องมือมักถูกสร้างขึ้นโดยการฝึกอบรมบนสำเนียงหนึ่งของภาษา ทำให้สำเนียงนั้นเป็นสำเนียงที่มีการรู้จำและถอดเสียงได้แม่นยำที่สุด ในภาษาอังกฤษ สำเนียงที่ใช้คือภาษาอังกฤษอเมริกัน และอัตราความผิดพลาดมักจะสูงกว่าสำหรับสำเนียงออสเตรเลีย อังกฤษ บริติช จาเมกา และอื่นๆ ดังนั้น สำหรับบริษัทที่ใช้เทคโนโลยีนี้เพื่อโต้ตอบกับลูกค้าทั่วโลก จึงเป็นความท้าทายที่ยิ่งใหญ่

คุณสามารถอธิบายถึงวิธีการและเทคนิคการเรียนรู้ของเครื่องจักรที่ใช้ในการฝึกอบรมจากชุดข้อมูลเหล่านี้ได้หรือไม่?

เรใช้เทคนิคการเรียนรู้ของเครื่องจักรแบบดูแลและเครือข่ายประสาทเทียมในเครื่องมือของเรา เรายังค้นคว้าแนวทางใหม่ๆ อย่างต่อเนื่อง โดยเฉพาะอย่างยิ่งวิธีการลดปริมาณข้อมูลที่ต้องมีการทำเครื่องหมายในแบบจำลองการรู้จำเสียงพูด ข้อมูลเป็นกษัตริย์เมื่อสร้างเทคโนโลยีการรู้จำเสียงพูด ดังนั้นการวิจัยที่ช่วยให้เราสามารถขยายข้อมูลของเราได้จึงเป็นสิ่งจำเป็น

Speechmatics เป็นผู้นำในอุตสาหกรรมในปัจจุบัน โดยผลการทดสอบพบว่า Global Spanish มีความแม่นยำสูงกว่าผลิตภัณฑ์ของ Google (GOOGL ) 3-20% และสูงกว่าผลิตภัณฑ์ของ Microsoft (MSFT ) 4-13% คุณคิดว่าความสำเร็จนี้มาจากอะไร?

เช่นเดียวกับที่ฉันกล่าวไว้ก่อนหน้านี้ สำหรับเทคโนโลยีการรู้จำเสียงพูดที่จะ真的เป็นทรัพย์สินสำหรับธุรกิจ มันจะต้องช่วยให้ธุรกิจเข้าใจลูกค้าทั้งหมด ไม่ว่าจะพูดภาษาอะไรหรือใช้สำเนียงใดๆ นี่คือแก่นกลางของนวัตกรรมของ Speechmatics และเรามีทีมที่น่าตื่นเต้นซึ่งเต็มใจ มุ่งมั่น และมุ่งเน้นในการใช้เทคนิคการเรียนรู้ของเครื่องจักรล่าสุดเพื่อนำเสนอเทคโนโลยีที่ดีที่สุดให้กับลูกค้า

ภาษาที่มีอยู่ในปัจจุบันคืออะไร และภาษาอะไรที่กำลังถูกวิจัยเพื่อเพิ่มเข้ามา?

เรามีภาษาเชิงพาณิชย์มากกว่า 30 ภาษา ตั้งแต่อาหรับไปจนถึงจีน มันโปลิช ไปจนถึงโปรตุเกส และอื่นๆ แต่ภาษาอังกฤษและภาษาสเปนของเรามีการรองรับระดับโลก เรากำลังมองหาวิธีการใหม่ๆ ที่จะช่วยให้เราสามารถเพิ่มภาษาใหม่ๆ ได้เร็วขึ้น และปรับปรุงภาษาที่มีอยู่แล้วให้ดีขึ้น

คุณมีความคิดเห็นอย่างไรเกี่ยวกับอนาคตที่การรู้จำเสียงพูดจะเป็นรูปแบบหลักของการสื่อสาร?

ธุรกิจต่างๆ กำลังเห็นคุณค่าของเทคโนโลยีการรู้จำเสียงพูดมากขึ้น: ในปี 2020 มีการใช้เทคโนโลยีนี้ในธุรกิจเพิ่มขึ้น 68% ของผู้ตอบแบบสอบถามรายงานว่าบริษัทของตนมีกลยุทธ์เทคโนโลยีเสียง — เพิ่มขึ้น 18% จากปีก่อน แต่เพื่อให้เทคโนโลยีนี้มีคุณค่าสูงสุด มันจะต้องได้รับการปรับปรุงให้ดีขึ้น การสนทนาไม่ได้แค่เกี่ยวกับคำพูดเท่านั้น แต่ยังเกี่ยวกับคำใบ้ทางบริบท เช่น ความรู้สึก การเปลี่ยนแปลงของเสียง เสียงพื้นหลัง และอื่นๆ

มีอะไรที่คุณต้องการแบ่งปันเกี่ยวกับ Speechmatics อีกหรือไม่?

เรามีการพัฒนาที่น่าตื่นเต้นที่จะออกมาในปลายปีนี้ และเรารู้สึกตื่นเต้นที่จะแบ่งปันสิ่งเหล่านั้น!

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Speechmatics เพื่อเรียนรู้เพิ่มเติม