Többféle ügyféltípus létezik – van, akinek világos elképzelése van arról, hogyan kell felépíteni beszédadatait, mások pedig rugalmasabbak a megközelítésükben.
Szolgáltatóként ügyelnünk kell arra, hogy az ügyfél mindkét követelménye teljesüljön. Egy olyan ügyfélnél azonban, aki rugalmasan alkalmazkodik az igényeihez, előfordulhat, hogy nem adott teljes mértékben beszédadatgyűjtés teljes gondolat.
Itt jelenik meg a beszédadatkészlet-szolgáltató hozzájárulása.
Felelősségünk, hogy bemutassuk azokat a szempontokat, amelyeket szem előtt kell tartani a hangfelvétel elindítása előtt adatgyűjtés projektet, hogy lehetővé tegye az AI-szervezetek számára megvalósítható, hatékony és költséghatékony megoldás azonosítását.
A hangfelismerő piac a világon várhatóan tovább fog növekedni $ 27.16 milliárd 2026 10.7 milliárd dollárról 2020-ban 16.8%-os CAGR mellett.
Nézzük meg az összes hatékony módszert vagy pontot, amelyet szem előtt kell tartani, mielőtt testreszabná a beszédadatgyűjtés projektet.
- Nyelvek és demográfiai adatok
- Gyűjtemény mérete
- A forgatókönyv felépítése
- Hangkövetelmények és formátumok
- Szállítási és feldolgozási követelmények
- Egyéb fontos megjegyzések
Nyelvek és demográfiai adatok
A projektnek először meg kell határoznia a célnyelveket és a megcélzott demográfiai adatokat.
Nyelvek és nyelvjárás
Kezdje azzal, hogy szem előtt tartja a projekt követelményeit – azokat a nyelveket, amelyekhez a beszédadatkészletet gyűjtik és testreszabják. Ismerje meg a speciális jártassági követelményt is. Például a résztvevőnek anyanyelvi vagy nem anyanyelvi beszélőnek kell lennie?
Például – Angol anyanyelvűek
A nyelv sarkán futni a dialektus. Annak érdekében, hogy az adatkészlet ne szenvedjen elfogultságot, tanácsos szándékosan bevezetni a dialektusokat, hogy alkalmazkodjanak a résztvevők sokszínűségéhez.
Például – Ausztrál angol ékezetes beszélők
Érintett országok
A testreszabás előtt fontos tudni, hogy van-e konkrét követelmény, hogy a résztvevők meghatározott országokból érkezzenek. És hogy a résztvevőknek jelenleg egy adott országban kell-e élniük.
Például – Indiában és Pakisztánban másképp beszélik a pandzsábit.
Demográfiai
A testreszabás a nyelv és a földrajz mellett demográfiai adatok alapján is elvégezhető. A résztvevők célzott elosztása életkoruk, nemük, iskolai végzettségük stb. alapján is elvégezhető.
Például – Felnőttek vs gyerekek vagy tanultak vs iskolázatlanok
Gyűjtemény mérete
Az adatkészlet hatással lesz az adatprojekt teljesítményére. A szükséges gyűjteményadatok mérete azonban meghatározza a szükséges résztvevőket is.
A válaszadók teljes száma
Határozza meg a projekthez szükséges résztvevők teljes számát. Abban az esetben, ha a projekt nyelvet igényel audio adatgyűjtés, elemeznie kell a résztvevők teljes számát célnyelvenként.
Például – 50%-a amerikai angol és 50%-a ausztrál angol beszélő
A kijelentések teljes száma
A beszédadat-gyűjtemény felépítéséhez határozza meg a megszólalások vagy ismétlések teljes számát résztvevőnként, vagy az összes szükséges ismétlést.
Például – 50 résztvevő résztvevőnként 25 megszólalással = 1250 ismétlés
Szkript szerkezet
A szkript testreszabható a projekt igényeihez is, ezért célszerű segítséget kérni beszédterapeuták a szövegáramlás kialakításához. Ha az ML modellt jól strukturált adatokra kell tanítani, akkor figyelembe kell vennie a szkriptet és a munkafolyamatot.
Scripted vs Unscripted
Választhat a forgatókönyvezett szöveg, illetve a természetes vagy írás nélküli szöveg használata között, amelyet a résztvevők olvasnak el.
Egy forgatókönyvezett szöveges beszédben a résztvevők elolvassák a képernyőn megjelenő tartalmat. Ezt a módszert többnyire parancsok vagy utasítások rögzítésére használják.
Például – „Kapcsolja ki a zenét”, „Rögzítéshez nyomja meg az 1-es gombot”.
A fel nem írt beszédben a résztvevők forgatókönyveket kapnak, és megkérik, hogy fogalmazzák meg mondataikat, és beszéljenek a lehető legtermészetesebben.
Például – „Meg tudná mondani, hol van a következő benzinkút?”
Utterance Collection / Wakeup Words
Szkriptes szöveg használata esetén el kell döntenie, hogy hány szkriptet használjon, és hogy minden résztvevő egyedi szkriptet vagy szkriptek csoportját olvassa-e. Azt is határozza meg, hogy a szkript tartalmaz-e ébresztőszavak és parancsok gyűjteményét.
Például -
1. parancs:
"Alexa, mi a receptje egy csokis süteményhez?"
„Ok Google, mi a receptje egy csokis cupcake-nek?”
– Siri, mi a receptje egy csokis süteményhez?
2. parancs:
– Alexa, mikor indul a New York-i járat?
"Google, mikor indul a New York-i járat?"
– Siri, mikor indul a New York-i járat?
Hangkövetelmények és formátumok
A hangminőség döntő szerepet játszik a beszédfelismerésben adatgyűjtés folyamat. A zavaró háttérzajok negatívan befolyásolhatják az összegyűjtött hangjegyzetek minőségét. Ez a hangfelismerő algoritmus hatékonyságát is csökkentheti.
Hangminőség
A felvételek minősége és a háttérzaj jelenléte befolyásolhatja a projekt eredményét. Néhány beszédadat-gyűjtemény azonban elfogadja a zaj jelenlétét. Célszerű azonban jobban megérteni a követelményeket a bitsebesség, a jel-zaj arány, az amplitúdó és egyebek tekintetében.
kialakított
A fájl formátuma, adat pontok, a tartalomszerkezet, a tömörítés és az utófeldolgozás követelményei is meghatározzák a beszédfelvételek minőségét.
A fájlformátumok fontosságának oka, hogy a modellnek azonosítania kell a fájl kimenetét, és meg kell tanítani az adott hangminőség felismerésére.
Egyéni hangkövetelmény meghatározása
Az egyéni audiokövetelményeket a gyűjtési folyamat megkezdése előtt meg kell említeni. Az ügyfelek testreszabott hangfájlokat választhatnak, amelyekben meghatározott fájlok vannak összekapcsolva.
Szállítási és feldolgozási követelmények
A beszédadatok összegyűjtése után az ügyfelek dönthetnek úgy, hogy azokat igényeiknek megfelelően kézbesítik.
Átírás és megjegyzés szükséges
Egyes ügyfeleknek adatátírásra és címkézésre van szükségük a szállítás előtt. Ezenkívül speciális címkézési és szegmentálási formákra is szükség lehet.
Néha jobb keresni beszédnyelv-patológusok és szakértők segítik a beszéd különböző nyelveken történő átírását a célnyelv hitelességének megőrzése érdekében.
Fájl elnevezési konvenciók
A adatgyűjtési űrlapok meg kell határoznia a követendő fájlelnevezési konvenciót. Ha az elnevezési konvenció bonyolult, vagy meghaladja a folyamat szokásos hatókörét, az extra fejlesztési költségeket vonzhat.
Szállítási irányelvek
A biztonsági és szállítási irányelveket a projektkövetelményekben meghatározottak szerint kell követni. Sőt, azt is meg kell adni, hogy az adatokat kis mérföldkövekben, vagy egyben teljes csomagként kell-e szállítani. Az ügyfelek az időszerűséget is preferálják a haladás figyelemmel kísérése frissítéseket, hogy nyomon tudják követni a projekt állapotát.
Egyéb fontos megjegyzések
A testreszabások hatással lesznek arra,
- Adatgyűjtési módszerek használt
- A résztvevők toborzása
- A kézbesítés ütemezése
- A projekt becsült költsége
A megfelelő szállító kiválasztásakor meg kell győződnie arról, hogy olyan valakivel dolgozik, aki rendelkezik a testreszabási lehetőségek biztosításához szükséges tapasztalattal és rugalmassággal a projekt könnyed méretezéséhez. A beszédadatok gyűjtésének természete az, hogy idővel fejlődik, és a bonyolultság is változik, és a megfelelő szolgáltatónak képesnek kell lennie lépést tartani.
Ha csak rugalmasságra és méretezhetőségre van szüksége, a Shaip a megfelelő választás. Személyre szabható szolgáltatásokat kínálunk az Ön konkrét projektigényei alapján. Skálázható és rugalmas kínálunk adatgyűjtési megoldások többnyelvű projektekhez versenyképes áron. Beszéljen szakértőinkkel, hogy megtudja, hogyan működnek beszédadatgyűjtési és testreszabási technikáink a társalgási AI fejlesztésében.
[Olvassa el még: Beszédfelismerési képzési adatok – típusok, adatgyűjtés és alkalmazások]
