AI đàm thoại: Nhận dạng giọng nói tự động

Dung dịch

Với sự hiểu biết sâu sắc về AI đàm thoại, chúng tôi đã giúp khách hàng thu thập, chép lại dữ liệu âm thanh với đội ngũ chuyên gia sưu tầm, nhà ngôn ngữ học và nhà chú thích để xây dựng kho dữ liệu âm thanh lớn từ các vùng xa xôi của Ấn Độ.

Phạm vi công việc của Shaip bao gồm nhưng không giới hạn ở việc thu thập khối lượng lớn dữ liệu đào tạo âm thanh, sao chép dữ liệu và phân phối các tệp JSON tương ứng chứa siêu dữ liệu [cho cả người nói và người phiên âm. Đối với mỗi người nói, siêu dữ liệu bao gồm ID người nói ẩn danh, chi tiết thiết bị, thông tin nhân khẩu học như giới tính, độ tuổi và trình độ học vấn, cùng với mã pin, tình trạng kinh tế xã hội, ngôn ngữ được sử dụng và bản ghi về thời gian lưu trú của họ. Đối với mỗi người ghi âm, dữ liệu kết hợp ID người ghi ẩn danh, chi tiết nhân khẩu học tương tự như người nói, thời lượng trải nghiệm phiên âm của họ và thông tin chi tiết về ngôn ngữ mà họ có thể đọc, viết và nói.

Shaip thu thập 8000 giờ dữ liệu âm thanh / Lời nói tự phát trên quy mô lớn và được phiên âm 800 giờ trong khi vẫn duy trì mức chất lượng mong muốn cần thiết để đào tạo công nghệ giọng nói cho các dự án phức tạp. Mẫu chấp thuận rõ ràng được lấy từ mỗi người tham gia. / Bài phát biểu tự phát được sưu tầm dựa trên hình ảnh do Trường cung cấp. Của 3500 hình ảnh, 1000 là chung chung và 2500 liên quan đến văn hóa, lễ hội đặc trưng của quận, v.v. Hình ảnh mô tả nhiều lĩnh vực khác nhau như ga xe lửa, chợ, thời tiết, v.v.

Thu Thập Dữ Liệu

Hướng dẫn chung

Định dạng

• • Âm thanh ở tần số 16 kHz, 16 bit/mẫu.
  • Kênh đơn.
  • Âm thanh thô mà không cần chuyển mã.

Phong cách

• • Lời nói tự phát.
  • Câu dựa trên hình ảnh do Trường cung cấp. Trong số 3500 hình ảnh, 1000 hình ảnh chung và 2500 hình ảnh liên quan đến văn hóa, lễ hội của từng quận, v.v. Hình ảnh mô tả nhiều lĩnh vực khác nhau như ga xe lửa, chợ, thời tiết, v.v.

Nền ghi âm

• • Được ghi lại trong môi trường yên tĩnh, không có tiếng vang.
  • Không có hiện tượng nhiễu loạn trên điện thoại thông minh (rung hoặc thông báo) trong quá trình ghi.
  • Không có biến dạng như cắt xén hoặc hiệu ứng trường xa.
  • Rung từ điện thoại không được chấp nhận; rung động bên ngoài có thể chấp nhận được nếu âm thanh rõ ràng.

Thông số kỹ thuật loa

• • Độ tuổi từ 20-70 tuổi với sự phân bổ giới tính cân bằng theo từng huyện.
  • Tối thiểu 400 người bản xứ ở mỗi quận.
  • Người nói nên sử dụng ngôn ngữ/phương ngữ ở nhà của họ.
  • Mẫu chấp thuận bắt buộc đối với tất cả người tham gia.

Kiểm tra chất lượng & Đảm bảo chất lượng quan trọng

Quy trình QA ưu tiên đảm bảo chất lượng cho bản ghi âm và chép lời. Các tiêu chuẩn âm thanh tập trung vào khoảng lặng chính xác, thời lượng phân đoạn, độ rõ nét của một loa và siêu dữ liệu chi tiết bao gồm độ tuổi và tình trạng kinh tế xã hội. Tiêu chí phiên âm nhấn mạnh đến độ chính xác của thẻ, tính xác thực của từ và chi tiết phân đoạn chính xác. Điểm chuẩn chấp nhận chỉ ra rằng nếu hơn 20% lô âm thanh không đáp ứng các tiêu chuẩn này thì lô âm thanh đó sẽ bị từ chối. Đối với chênh lệch nhỏ hơn 20%, cần phải có bản ghi thay thế có cấu hình tương tự.

Phiên mã dữ liệu

Nguyên tắc phiên âm nhấn mạnh đến tính chính xác và chỉ phiên âm nguyên văn khi các từ rõ ràng và dễ hiểu; những từ không rõ ràng được đánh dấu là [không thể hiểu được] hoặc [không nghe được] dựa trên vấn đề. Ranh giới câu trong âm thanh dài được đánh dấu bằng và không được phép diễn giải hoặc sửa lỗi ngữ pháp. Phiên âm nguyên văn bao gồm các lỗi, tiếng lóng và sự lặp lại nhưng bỏ qua phần mở đầu sai, âm phụ và tiếng lắp. Tiếng ồn nền và tiền cảnh được phiên âm bằng thẻ mô tả, trong khi tên riêng, tiêu đề và số tuân theo các quy tắc phiên âm cụ thể. Nhãn người nói được sử dụng cho mỗi câu và các câu chưa hoàn chỉnh được biểu thị bằng .

Quy trình làm việc của dự án

Quy trình làm việc mô tả quá trình phiên âm âm thanh. Nó bắt đầu với việc giới thiệu và đào tạo người tham gia. Họ ghi lại âm thanh bằng một ứng dụng được tải lên nền tảng QA. Âm thanh này trải qua quá trình kiểm tra chất lượng và phân đoạn tự động. Sau đó, nhóm công nghệ sẽ chuẩn bị các phân đoạn để phiên âm. Sau khi sao chép thủ công, có một bước đảm bảo chất lượng. Bản ghi được gửi đến khách hàng và nếu được chấp nhận, việc giao hàng được coi là hoàn tất. Nếu không, các sửa đổi sẽ được thực hiện dựa trên phản hồi của khách hàng.