Există mai multe tipuri diferite de clienți – unii au o idee clară despre cum ar trebui să fie structurate datele lor de vorbire, iar alții sunt mai flexibili cu abordarea lor.
În calitate de furnizor de servicii, trebuie să ne asigurăm că ambele cerințe ale clientului sunt îndeplinite. Cu toate acestea, cu un client care este flexibil cu cerințele sale, este posibil să nu fi dat pe deplin colectarea datelor de vorbire un gând complet.
Aici intervine contribuția furnizorului setului de date de vorbire.
Avem responsabilitatea de a prezenta punctele care trebuie reținute înainte de a începe audio de colectare a datelor proiect pentru a permite organizațiilor AI să identifice o soluție fezabilă, eficientă și rentabilă.
Piața de recunoaștere a vocii din lume este de așteptat să crească 27.16 miliarde $ în 2026 de la 10.7 miliarde USD în 2020 la un CAGR de 16.8%.
Să ne uităm la toate modalitățile sau punctele eficiente care trebuie reținute înainte de a personaliza colectarea datelor de vorbire proiect.
- Limbi și demografie
- Dimensiunea colectiei
- Structura scenariului
- Cerințe și formate audio
- Cerințe de livrare și procesare
- Alte puncte cruciale de remarcat
Limbi și demografie
Proiectul ar trebui să specifice mai întâi limbile țintă și demografia țintă.
Limbi și Dialect
Începeți prin a ține cont de cerința proiectului - limbile pentru care setul de date de vorbire este colectat și personalizat. De asemenea, înțelegeți cerința specifică de competență. De exemplu, participantul ar trebui să fie un vorbitor nativ sau un vorbitor non-nativ?
De exemplu – vorbitori nativi de engleză
A alerga aproape de limbă este dialect. Pentru a vă asigura că setul de date nu suferă de prejudecăți, este recomandabil să introduceți în mod intenționat dialecte pentru a se adapta diversității participanților.
De exemplu – Vorbitori australian cu accent englezesc
Țări
Înainte de personalizare, este important să știți dacă există o cerință specifică ca participanții să provină din anumite țări. Și dacă participanții ar trebui să locuiască în prezent într-o anumită țară.
De exemplu – Punjabi este vorbit diferit în India și Pakistan.
Criterii demografice
Pe lângă limbă și geografie, personalizarea se poate face și pe baza datelor demografice. Se poate face, de asemenea, distribuirea țintă a participanților în funcție de vârstă, sex, calificare educațională și multe altele.
De exemplu – Adulți vs Copii sau Educați vs Needucați
Dimensiunea colectiei
Setul dvs. de date va afecta performanța proiectului dvs. de date. Cu toate acestea, dimensiunea datelor de colectare de care aveți nevoie va determina și participanții necesari.
Numărul total de respondenți
Determinați numărul total de participanți care vor fi necesari pentru proiect. În cazul în care proiectul necesită limbaj colectarea datelor audio, ar trebui să analizați numărul total de participanți necesar pentru fiecare limbă vizată.
De exemplu – 50% engleză americană și 50% vorbitori de engleză australiană
Numărul total de enunțuri
Pentru a construi colecția de date despre vorbire, determinați numărul total de enunțuri sau repetări per participant sau numărul total de repetări necesare.
De exemplu – 50 de participanți cu 25 de enunțuri per participant = 1250 de repetări
Structura scriptului
Scenariul poate fi, de asemenea, personalizat pentru a răspunde nevoilor proiectului, de aceea este indicat să solicitați ajutorul logopezi pentru a proiecta fluxul de text. Dacă modelul ML trebuie antrenat pe date bine structurate, trebuie să ia în considerare scriptul și fluxul de lucru.
Scripted vs Unscripted
Puteți alege între utilizarea unui text cu scenariu sau un text natural sau fără scenariu pentru a fi citit de participanți.
Într-un discurs text, participanții citesc ceea ce este afișat pe ecran. Această metodă este, în mare parte, folosită pentru a înregistra comenzi sau instrucțiuni.
De exemplu – „Opriți muzica”, „Apăsați 1 pentru a înregistra”.
În discursul fără scenariu, participanților li se oferă scenarii și li se cere să își încadreze propozițiile și să vorbească cât mai natural posibil.
De exemplu – 'Poți te rog să-mi spui unde este următoarea benzinărie?'
Culegere de cuvinte / Cuvinte de trezire
În cazul în care se folosește text scriptat, trebuie să decideți numărul de scripturi care vor fi utilizate și dacă fiecare participant va citi un script unic sau un grup de scripturi. De asemenea, determinați dacă scriptul conține o colecție de cuvinte și comenzi de trezire.
De exemplu -
Comanda 1:
„Alexa, care este rețeta unui cupcake cu ciocolată?”
„Ok Google, care este rețeta unui cupcake cu ciocolată?”
„Siri, care este rețeta pentru o cupcake cu ciocolată?”
Comanda 2:
„Alexa, când este zborul către New York?”
„Google, când este zborul către New York?”
„Siri, când este zborul către New York?”
Cerințe și formate audio
Calitatea audio joacă un rol crucial în recunoașterea vorbirii de colectare a datelor proces. Zgomotele de fond care distrag atenția pot avea un impact negativ asupra calității notelor vocale colectate. Acest lucru ar putea scădea și eficiența algoritmului de recunoaștere a vocii.
Calitatea audio
Calitatea înregistrărilor și prezența zgomotului de fond pot afecta rezultatul proiectului. Dar unele colecții de date despre vorbire acceptă prezența zgomotului. Cu toate acestea, este recomandabil să înțelegeți mai bine cerințele în ceea ce privește rata de biți, raportul semnal-zgomot, amplitudinea și multe altele.
Format
Formatul de fișier, puncte de date, structura conținutului, compresia și cerințele de post-procesare determină, de asemenea, calitatea înregistrărilor vocale.
Motivul pentru importanța formatelor de fișiere este că modelul trebuie să identifice rezultatul fișierului și să fie instruit să recunoască acea calitate specială a sunetului.
Definiți cerința audio personalizată
Cerințele audio personalizate trebuie menționate înainte de începerea procesului de colectare. Clienții pot alege fișiere audio personalizate în care anumite fișiere sunt combinate.
Cerințe de livrare și procesare
Odată strânse datele de vorbire, clienții pot alege să le fie livrate conform cerințelor lor.
Cerință de transcriere și adnotare
Unii clienți necesită transcrierea și etichetarea datelor înainte de a livra. În plus, ar putea necesita și forme specifice de etichetare și segmentare.
Uneori este mai bine să cauți logopediști și experți pentru a ajuta la transcrierea vorbirii în diferite limbi pentru a menține autenticitatea limbii țintă.
Convenții de denumire a fișierelor
formulare de colectare a datelor ar trebui să specifice orice convenție de denumire a fișierelor care trebuie urmată. Dacă convenția de denumire este complexă sau dincolo de domeniul standard al procesului, ar putea atrage costuri suplimentare de dezvoltare.
Ghid de livrare
Orientările de securitate și livrare trebuie urmate așa cum se specifică în cerințele proiectului. Mai mult, dacă datele vor fi livrate în etape mici sau ca un pachet complet, ar trebui specificate dintr-o dată. Clienții preferă, de asemenea, oportunitatea monitorizarea progresului actualizări, astfel încât să poată urmări starea proiectului.
Alte puncte cruciale de remarcat
Personalizările vor afecta modul în care,
- Metode de colectare a datelor utilizat
- Recrutarea participanților
- Termenul de livrare
- Costul provizoriu al proiectului
Atunci când selectați furnizorul potrivit, trebuie să vă asigurați că mergeți cu cineva care are atât experiența de a oferi opțiuni de personalizare, cât și flexibilitate pentru a scala proiectul fără efort. Natura colectării datelor despre vorbire este că evoluează și complexitățile se schimbă în timp, iar furnizorul potrivit ar trebui să fie capabil să țină pasul.
Când tot ce aveți nevoie este flexibilitate și scalabilitate, Shaip este alegerea potrivită. Oferim servicii personalizate în funcție de cerințele specifice ale proiectului dumneavoastră. Oferim scalabil și flexibil solutii de colectare a datelor pentru proiecte multilingve la preturi competitive. Discutați cu experții noștri pentru a afla cum funcționează tehnicile noastre de colectare și personalizare a datelor despre vorbire în dezvoltarea IA conversațională.
[Citește și: Date de formare pentru recunoașterea vorbirii – tipuri, colectare de date și aplicații]
