-
-
Tên Công Ty
Xây dựng ứng dụng giọng nói luôn lắng nghe với dữ liệu huấn luyện từ khóa kích hoạt tùy chỉnh. Độ chính xác phát hiện cao hơn, ít kích hoạt sai hơn.
Trợ lý giọng nói đã thay đổi đáng kể cách khách hàng tương tác với thiết bị của họ. Chúng đã giúp người dùng khám phá các sản phẩm và dịch vụ dễ dàng hơn - một cách nhanh chóng và hiệu quả. Tuy nhiên, ứng dụng thoại có đang nghe không? Để đưa các ứng dụng này vào ổ đĩa cao, chúng cần được đánh thức và chuyển từ chế độ nghe thụ động sang chủ động với sự trợ giúp của WAKE WORDS. 'Alexa' và "Hey Siri" là hai trong số những từ đánh thức phổ biến nhất trên thế giới.
Đến năm 2024, số lượng trợ lý giọng nói kỹ thuật số được dự đoán sẽ đạt 8.4 tỷ thiết bị – nhiều hơn dân số thế giới.
Dự báo quy mô thị trường ứng dụng trợ lý giọng nói sẽ tăng từ 2.8 tỷ đô la vào năm 2021 lên 11.2 tỷ đô la vào năm 2026, với tốc độ tăng trưởng kép hàng năm (CAGR) là 32.4%.
Từ khóa kích hoạt là một từ hoặc cụm từ cụ thể, chẳng hạn như 'Hey Siri', 'Okay Google' và 'Alexa'; được thiết kế để kích hoạt thiết bị điều khiển bằng giọng nói phản hồi khi được nói ra. Tuy nhiên, một từ khóa kích hoạt luôn lắng nghe được tích hợp cục bộ với thiết bị sẽ giảm đáng kể thời gian phản hồi và tăng độ chính xác nhận dạng và xử lý từ khóa kích hoạt ngay cả khi không có kết nối internet. Shaip thu thập dữ liệu huấn luyện từ khóa kích hoạt trên hơn 100 ngôn ngữ, nhiều giọng điệu, nhóm tuổi và môi trường tiếng ồn thực tế để tối đa hóa độ chính xác phát hiện và giảm thiểu kích hoạt sai. Chúng còn được biết đến với tên gọi:
Với tính năng đào tạo từ đánh thức luôn lắng nghe của Shaip, các mẫu trợ lý giọng nói của bạn luôn được điều chỉnh để nghe từ đánh thức, nhưng không thực sự ghi lại hoặc truyền dữ liệu lên đám mây. Hợp tác với Shaip mang lại cho bạn lợi thế khi làm việc với các chuyên gia. Với kinh nghiệm dày dặn của chúng tôi về việc sử dụng công nghệ AI và ML trong việc phát triển đào tạo trợ lý giọng nói, chúng tôi giúp bạn có thể loại bỏ các rủi ro về quyền riêng tư, cải thiện trải nghiệm người dùng, giảm chi phí phát triển và tăng cường khả năng mở rộng.
Shaip xây dựng dữ liệu huấn luyện cho các từ khóa kích hoạt mang đậm dấu ấn thương hiệu, giúp khách hàng nói đúng tên thương hiệu của bạn — chứ không phải một trợ lý ảo chung chung. Mỗi bộ dữ liệu được tinh chỉnh chính xác theo cụm từ kích hoạt của bạn, củng cố khả năng nhận diện thương hiệu sau mỗi lần tương tác và giữ trải nghiệm giọng nói trong hệ sinh thái riêng của bạn.
Shaip hỗ trợ các mô hình từ khóa kích hoạt luôn lắng nghe, chạy trên thiết bị mà không ghi âm hoặc truyền âm thanh lên đám mây. Dữ liệu huấn luyện từ khóa kích hoạt trên thiết bị giúp giảm độ trễ, giảm rủi ro về quyền riêng tư và đảm bảo khả năng phát hiện hoạt động đáng tin cậy ngay cả khi không có kết nối internet.
Shaip thu thập các câu nói kích hoạt từ hơn 100 ngôn ngữ và giọng địa phương khác nhau — tiếng Anh Scotland, Canada, Úc, Ấn Độ và hơn thế nữa — để độ chính xác nhận diện được duy trì trên toàn cầu thay vì giảm sút đối với người nói không phải là người bản xứ.
Shaip thu thập dữ liệu từ khóa kích hoạt trong các điều kiện yên tĩnh, ồn ào, trong xe hơi, ngoài trời và khoảng cách xa. Việc huấn luyện trên các biến thể âm thanh thực tế giúp giảm thiểu lỗi từ chối sai khi người dùng nói từ xa hoặc trong môi trường có tiếng ồn.
Ngoài từ khóa kích hoạt, Shaip còn cung cấp dữ liệu nhận diện câu nói và cụm từ, giúp thiết bị xử lý các lệnh ngôn ngữ tự nhiên dài hơn với độ trễ thấp. Dữ liệu phát hiện từ khóa được nhúng hỗ trợ xử lý trên trình duyệt và trên chip để đạt độ chính xác cao và bảo mật thông tin.
Các âm vị khác nhau thường tạo ra một chữ ký khác biệt hơn và đảm bảo độ chính xác tốt hơn trong kết quả. Do đó, hãy chọn các cụm từ trong dữ liệu của bạn tạo ra nhiều âm thanh khác nhau.
Làm cho các từ đánh thức hiệu quả hơn bằng cách gắn chúng với các tiền tố như “Xin chào”, “Xin chào”, “Xin chào” hoặc “Được”. Nó sẽ giữ cho từ đánh thức không rõ ràng và đảm bảo không có sự trùng khớp ngẫu nhiên nào xảy ra khi sử dụng từ kích hoạt trong lời nói thông thường.
Làm cho các từ đánh thức của bạn là sự kết hợp của ít nhất sáu âm vị mà máy móc có thể dễ dàng nhận ra và con người dễ nói. Ví dụ: "Alexa" có sáu phenol trong khi "Ok Google" có tám phenol.
Đừng mắc sai lầm khi sử dụng một từ duy nhất làm lời cảnh tỉnh của bạn. Các từ đánh thức phải đủ dài để phân biệt.
Đảm bảo các từ kích hoạt mà bạn tạo phải đơn giản và độc đáo để có thể dễ dàng ghi nhớ chúng.
Các cụm từ đánh thức nhiều từ dài hơn rất khó phát âm và làm cho quá trình này khó hơn một cách không cần thiết.
Mô hình báo thức thường được đào tạo để nhận ra từ không. của các cách nói khác nhau, để nó có thể đáp ứng các lời gọi khác nhau. Tuy nhiên, có quá nhiều từ đánh thức riêng biệt có thể chỉ đơn giản là kích hoạt hệ thống giọng nói mà bạn không biết người dùng đã nói câu nào.
Các yếu tố như tiếng ồn, khoảng cách và các biến thể trong trọng âm và ngôn ngữ khiến việc phát hiện từ nóng chính xác trở nên khó khăn và phức tạp hơn đối với mô hình AI của bạn.
Kinh nghiệm của chúng tôi về công nghệ giọng nói giúp chúng tôi phát triển các từ đánh thức phù hợp luôn nghe và các cụm từ đánh thức có thương hiệu một cách nhanh chóng. Với tính năng nhận dạng giọng nói song song với khả năng hiểu xử lý ngôn ngữ tự nhiên, các thuật toán ML giúp phiên âm giọng nói và thực hiện các lệnh thoại một cách hiệu quả.
Chúng tôi tập trung vào việc phát triển nhanh chóng việc tạo mẫu từ đánh thức để đảm bảo tùy chỉnh từ có thương hiệu. Nguyên mẫu đóng vai trò như một bằng chứng về khái niệm và giúp đào tạo chính xác, thời gian đưa ra thị trường nhanh hơn, thử nghiệm nhanh hơn và loại bỏ rủi ro.
Trải nghiệm sự tăng trưởng không bị gián đoạn và sự tương tác của khách hàng không bị cản trở với trợ lý giọng nói đặc biệt. Chúng tôi cung cấp khả năng nhận dạng giọng nói đa ngôn ngữ để ứng dụng có thể phát hiện chính xác các từ và cụm từ ngay cả trong môi trường có tiếng ồn cao.
Đây là một cách thu thập dữ liệu người dùng quan trọng như danh tính, quốc gia xuất xứ, tuổi, giới tính, ngôn ngữ, trọng âm, v.v. Đa dạng dữ liệu được sử dụng để cải thiện các thuật toán hướng người dùng nhằm đạt được kết quả chính xác hơn.
Dữ liệu thường có xu hướng tạo ra các thành kiến có sẵn. Do đó, khi chúng tôi thu thập dữ liệu từ nhiều nguồn khác nhau, sự sai lệch trong kết quả giảm đáng kể.
Dưới đây là một vài tham số về đa dạng dữ liệu mà Shaip giải quyết trong khi xây dựng các từ đánh thức và các lệnh đàm thoại khác.
| Chủng tộc và sắc tộc | Ấn Độ giáo, Hồi giáo, Cơ đốc giáo, Afrikaans, Châu Âu |
| Cấp độ giáo dục | Đại học, Cao học, Tiến sĩ, Thạc sĩ |
| Địa chỉ | Trung Quốc, Nhật Bản, Ấn Độ, Hàn Quốc, Dubai, Nigeria, Mỹ, Canada |
| Sex | Nam, Nữ |
| Độ tuổi | Dưới 10 tuổi, 10-15 tuổi, 15-25 tuổi, 25-45 tuổi, 45 tuổi trở lên |
| Ngôn ngữ | Tiếng Anh, tiếng Nhật, tiếng Thổ Nhĩ Kỳ, tiếng Trung, tiếng Thái, tiếng Hindi |
| Môi trường | Yên tĩnh, ồn ào, nhạc nền, âm thanh/lời nói nền, trong nhà, ngoài trời, rạp chiếu phim, sân vận động, nhà ăn, trong xe hơi, văn phòng, trung tâm mua sắm, tiếng ồn trong nhà, cầu thang, đường phố/đường xá, ven biển (có gió) |
| Trọng âm (tiếng Anh) | Tiếng Anh Scotland, tiếng Anh xứ Wales, tiếng Anh Hiberno, tiếng Anh Canada, tiếng Anh Úc, tiếng Anh New Zealand |
| Phong cách Nói | Tốc độ nhanh/bình thường/chậm, Âm lượng cao/bình thường/nhỏ, Trang trọng/Thường ngày |
| Vị trí thiết bị | Cầm tay, Máy tính để bàn |
Dữ liệu từ khóa kích hoạt dành cho loa, TV và các thiết bị gia dụng cần hoạt động tức thì và loại bỏ các tiếng ồn xung quanh.
Bộ dữ liệu từ khóa kích hoạt tầm xa, chống nhiễu dành cho trợ lý ảo rảnh tay trong cabin.
Dữ liệu từ khóa kích hoạt dung lượng thấp dành cho các thiết bị luôn bật, có dung lượng pin hạn chế.
Dữ liệu từ khóa kích hoạt và câu nói tùy chỉnh để bản địa hóa trợ lý ảo trên nhiều ngôn ngữ và phương ngữ khác nhau.
Bảo mật thông tin cá nhân được lưu trên thiết bị dưới dạng từ khóa kích hoạt, cho phép thao tác rảnh tay trong môi trường lâm sàng và chăm sóc bệnh nhân.
Dữ liệu từ khóa kích hoạt và lệnh đa phương thức dành cho robot phản hồi theo thời gian thực mà không cần điện toán đám mây.
Shaip sẽ hợp tác với bạn để lựa chọn từ khóa kích hoạt có âm thanh khác biệt, phù hợp với thương hiệu và xác định các hướng dẫn thu thập thông tin.
Đội ngũ nhân viên toàn cầu của Shaip ghi lại từ khóa kích hoạt trên nhiều ngôn ngữ, giọng điệu, độ tuổi, thiết bị và môi trường tiếng ồn khác nhau theo yêu cầu.
Mỗi câu nói đều được phiên âm, dán nhãn và kiểm tra chất lượng dựa trên các tiêu chí chấp nhận của bạn.
Shaip cung cấp dữ liệu huấn luyện từ khóa kích hoạt có cấu trúc, được kiểm soát bằng chính sách và được định dạng phù hợp với quy trình mô hình của bạn.
Để triển khai hiệu quả sáng kiến AI của mình, bạn sẽ cần khối lượng lớn bộ dữ liệu đào tạo chuyên biệt. Shaip là một trong số rất ít công ty trên thị trường đảm bảo dữ liệu đào tạo đáng tin cậy, đẳng cấp thế giới trên quy mô phù hợp với các yêu cầu quy định / GDPR.
Tạo, quản lý và thu thập tập dữ liệu được xây dựng tùy chỉnh (văn bản, lời nói, hình ảnh, video) từ hơn 100 quốc gia trên toàn cầu dựa trên các nguyên tắc tùy chỉnh.
Tận dụng lực lượng lao động toàn cầu của chúng tôi gồm hơn 30,000 cộng tác viên có kinh nghiệm và được chứng nhận. Phân công nhiệm vụ linh hoạt & theo dõi năng lực, hiệu quả và tiến độ của lực lượng lao động trong thời gian thực.
Nền tảng độc quyền và lực lượng lao động có tay nghề cao của chúng tôi sử dụng nhiều phương pháp kiểm soát chất lượng để đáp ứng hoặc vượt quá các tiêu chuẩn chất lượng được đặt ra để thu thập bộ dữ liệu đào tạo AI.
Quy trình của chúng tôi sắp xếp hợp lý, quy trình thu thập thông qua việc phân phối, quản lý và thu thập dữ liệu dễ dàng hơn trực tiếp từ ứng dụng và giao diện web.
Duy trì tính bảo mật của dữ liệu hoàn toàn bằng cách đặt quyền riêng tư lên ưu tiên của chúng tôi. Chúng tôi đảm bảo các định dạng dữ liệu được kiểm soát và bảo quản theo chính sách.
Dữ liệu được quản lý theo miền cụ thể được thu thập từ các nguồn cụ thể trong ngành dựa trên nguyên tắc thu thập dữ liệu khách hàng.
Shaip cung cấp dịch vụ thu thập dữ liệu âm thanh / giọng nói đầu cuối bằng hơn 150 ngôn ngữ để cho phép các công nghệ hỗ trợ giọng nói phục vụ cho nhiều đối tượng khác nhau trên toàn cầu.
Chatbot mà bạn trò chuyện chạy trên một hệ thống AI đàm thoại tiên tiến được đào tạo, thử nghiệm và xây dựng bằng cách sử dụng rất nhiều bộ dữ liệu nhận dạng giọng nói. Đó là quá trình cơ bản đằng sau công nghệ làm cho máy móc trở nên thông minh
Nhu cầu đào tạo về Utterance nảy sinh bởi vì không phải tất cả khách hàng đều sử dụng các từ hoặc cụm từ chính xác trong khi tương tác hoặc đặt câu hỏi cho trợ lý giọng nói của họ theo định dạng kịch bản.
Trao quyền cho các nhóm xây dựng các sản phẩm AI hàng đầu thế giới.
Từ kích hoạt là một từ hoặc cụm từ cụ thể — chẳng hạn như “Alexa,” “Okay Google,” hoặc một cụm từ tùy chỉnh mang thương hiệu riêng — dùng để kích hoạt thiết bị hỗ trợ giọng nói và chuyển thiết bị từ chế độ nghe thụ động sang chế độ nghe chủ động. Thiết bị liên tục lắng nghe từ kích hoạt cục bộ và chỉ bắt đầu xử lý yêu cầu khi phát hiện thấy từ kích hoạt.
Dữ liệu huấn luyện từ khóa kích hoạt là tập hợp các bản ghi âm giọng nói được gắn nhãn, được sử dụng để dạy mô hình nhận biết cụm từ kích hoạt của nó. Dữ liệu huấn luyện từ khóa kích hoạt hiệu quả bao gồm nhiều người nói, giọng điệu, độ tuổi, thiết bị và điều kiện nhiễu khác nhau để mô hình kích hoạt đáng tin cậy đồng thời loại bỏ các giọng nói có âm thanh tương tự.
Chức năng kích hoạt bằng từ khóa hoạt động bằng cách chạy một mô hình phát hiện nhỏ, luôn luôn lắng nghe, quét âm thanh đến để tìm cụm từ mục tiêu. Khi mô hình khớp với từ khóa kích hoạt với độ tin cậy đủ cao, thiết bị sẽ kích hoạt và bắt đầu xử lý yêu cầu của người dùng bằng cách sử dụng nhận dạng giọng nói và xử lý ngôn ngữ tự nhiên.
Một từ kích hoạt tùy chỉnh mạnh mẽ cần sử dụng nhiều âm vị khác nhau, chứa ít nhất ba đến bốn âm tiết và tránh các từ thông dụng hàng ngày để giảm thiểu kích hoạt sai. Thêm tiền tố như “Hey” hoặc “OK” sẽ tăng tính phân biệt. Shaip hỗ trợ lựa chọn và xác thực các từ kích hoạt trong quá trình thiết lập dự án.
Đúng vậy. Tính năng phát hiện từ khóa kích hoạt trên thiết bị chạy mô hình kích hoạt cục bộ, do đó âm thanh không được ghi lại hoặc gửi lên đám mây. Điều này giúp giảm độ trễ, bảo vệ quyền riêng tư và đảm bảo tính năng phát hiện hoạt động ngoại tuyến. Shaip thu thập dữ liệu huấn luyện được thiết kế riêng cho việc triển khai trên thiết bị và nhúng.
Shaip thu thập dữ liệu huấn luyện từ khóa kích hoạt bằng hơn 100 ngôn ngữ và nhiều giọng địa phương khác nhau, được lấy từ lực lượng lao động toàn cầu tại hơn 100 quốc gia. Sự đa dạng này giúp giảm thiểu sai lệch về độ chính xác đối với người nói tiếng nước ngoài và hỗ trợ việc ra mắt sản phẩm trên toàn cầu.
Shaip áp dụng nhiều bước kiểm soát chất lượng — xem xét bản ghi, tiêu chí chấp nhận và giám sát lực lượng lao động — để đảm bảo các tập dữ liệu đáp ứng độ chính xác mục tiêu trước khi được bàn giao. Dữ liệu đa dạng, chất lượng cao giúp giảm cả tỷ lệ chấp nhận sai và tỷ lệ từ chối sai trong mô hình được triển khai.
Từ khóa kích hoạt thiết bị; câu lệnh là lời yêu cầu được nói ra sau đó. Phát hiện từ khóa kích hoạt là một tác vụ hẹp, luôn hoạt động, trong khi hiểu câu lệnh liên quan đến việc diễn giải các cách diễn đạt ngôn ngữ tự nhiên khác nhau. Shaip cung cấp dữ liệu huấn luyện cho cả việc phát hiện từ khóa kích hoạt và thu thập câu lệnh.
Câu nói là một cụm từ mà người dùng phát ra để yêu cầu phần mềm điều khiển bằng giọng nói. Phần mềm sẽ nhận biết ý định của người dùng từ câu nói đó và phản hồi tương ứng. Không giống như một câu hoàn chỉnh, câu nói là một đơn vị lời nói có thể không truyền tải đầy đủ một ý nghĩ và thường chứa các khoảng dừng. Ví dụ: “Cho tôi xem bộ phim mới nhất — bộ phim được phát hành tuần trước,” hoặc “Cửa hàng trên đường 22 có mở cửa không?”
Tên gọi kích hoạt là từ khóa được sử dụng để kích hoạt một "kỹ năng" cụ thể trong phần mềm giọng nói. Nó có thể bao gồm tên người hoặc địa điểm và được kết hợp với một hành động, lệnh hoặc câu hỏi. Mỗi kỹ năng tùy chỉnh đều cần một tên gọi kích hoạt để bắt đầu.
Từ đánh thức còn được gọi là từ kích hoạt, từ nóng, từ khởi động, từ gọi, cụm từ đánh thức và câu nói.
Alexa sử dụng một số micrô tích hợp để phát hiện từ khóa kích hoạt đồng thời lọc bỏ tiếng ồn xung quanh. Để tránh nhận diện sai, nó chỉ bắt đầu lắng nghe tích cực sau khi phát hiện từ “Alexa”.
