Speechmatics 产品负责人 Thuy Le – 采访系列

Thuy Le 是 Speechmatics 的产品负责人，Thuy 拥有超过二十年的技术和创新理念开发经验，以及来自 MIT 的机械工程学士学位和斯坦福大学的产品设计硕士学位。 Thuy 在产品管理、设计和开发、研发、工程、媒体开发和商业战略方面拥有广泛的经验。在 Speechmatics，她的任务是推出创新产品和服务，以确保业务在所有领域保持市场领先地位。

您于 2019 年 11 月加入 Speechmatics，此前曾在多个行业工作，包括自动驾驶汽车和 B2B 分析软件。是什么吸引您从事语音识别工作？

我一直被新技术的应用和有趣的用例所吸引，Speechmatics 的语音识别技术正是如此。能够帮助客户利用语音转文本技术的价值，对我来说是很棒的。

作为 Speechmatics 的产品负责人，您的日常工作是什么？

Speechmatics 是一家规模扩张的公司，我们的产品团队很小（并且正在增长！），所以没有两天是相同的，每个人都需要在必要时贡献自己的力量。作为产品负责人，我的工作包括公司和产品战略、产品路线图优先级、客户互动、详细的解决问题等。当然，建立跨功能的关系和招聘也是我的重要工作之一。

您能否讨论一下访问不同方言和口音的数据集的挑战？

在语音技术中，引擎通常是通过训练一种语言的方言来构建的，这使得该方言成为引擎最准确识别和转录的语言。对于英语来说，通常是美国英语，其他口音如澳大利亚口音、英国口音、牙买加口音等的错误率通常更高。对于需要与全球客户互动的公司来说，这是一个巨大的挑战。三年前，我们推出了 Global English，业界领先的语言包，可以理解所有英语口音和方言，去年，我们继续这一使命，推出了 Global Spanish。我们相信，语音技术要达到其最高潜力，需要理解每个它互动的人。我们期待着今年晚些时候推出更多创新成果，以进一步缩小人工智能的“口音差距”。

用于训练这些数据集的机器学习方法是什么？

我们使用熟悉的监督深度学习技术和神经网络来训练我们的引擎。我们还不断研究新的方法，特别是如何减少构建语音识别技术所需的标记数据量。数据是构建语音识别技术的关键，所以我们需要推进研究以扩大我们的数据覆盖范围。神经网络的使用使我们能够更好地推广到不同的上下文和语言。

Speechmatics 目前是业界领先者，测试结果显示 Global Spanish 的准确率比 Google (GOOGL ) 的产品高出 3-20%，比 Microsoft (MSFT ) 的产品高出 4-13%。您将这一成功归因于什么？

正如我之前提到的，语音技术要真正成为企业的资产，需要帮助他们理解整个客户群，无论他们说什么语言或使用什么方言。这是 Speechmatics 创新的核心，我们致力于解决这些复杂的挑战。我们有一个令人惊叹的团队，他们充满热情、驱动力和对使用最新深度学习技术提供客户最好的技术的承诺。

目前提供哪些语言，哪些语言正在被研究以添加？

我们目前提供超过 30 种商业语言，从阿拉伯语到普通话，波兰语到葡萄牙语等。我们的英语和西班牙语语言包是 Global 的。展望未来，我们正在研究新的技术，这些技术不仅可以让我们更快地添加新语言，还可以更经常地改进现有的语言。

您如何看待语音启用的未来，语音成为主要的交流形式？

企业越来越多地看到语音识别技术的价值：2020 年，企业采用该技术的比例显著增加，68% 的受访者报告称他们的公司拥有语音技术战略，这比去年增加了 18%。但是，要达到最大价值潜力，该技术需要提升。对话不仅仅是关于文字，还包括语境线索，如情感、语调、标点、背景噪音、语气、发言人变化等。虽然语音识别技术生成的文本可以提供很多价值，但当涉及音频文件或视频文件时，记录的语音可以超越单纯的文字。语音识别技术的未来将考虑到这些其他因素。只有这样，语音识别技术才能真正理解每个声音，并将语音转化为价值。

您是否还有其他想分享的关于 Speechmatics 的内容？

我们今年晚些时候将推出一些令人兴奋的进展，我们很高兴与大家分享，请大家保持关注！

感谢这次精彩的采访，希望了解更多的读者可以访问 Speechmatics 的网站。