過去数年間、音声ベースのAIへの関心の波がありました - それは、 あるいはこれ しかし、この最新のAIの波を利用する組織は、声を理解することが重要であるため、課題に直面しています。 私たちは、ユーザーの行動に洞察を提供するために、実際の世界のスピーチを処理し分析するために何年も費やしてきました。今、私たちの技術がどれほど強力で柔軟であるかを見るために、基礎的な音声インテリジェンスモデルをテストするための早期アクセスを発表することに興奮しました! 関与する方法を知るために続きを読む。 私たち人間を理解する 直接私たちと交流 ハード 効果的なスピーチ分析の課題 We know speech analysis is not a matter of mere transcription - people inject emotion into the way we speak. 我々は、スピーチ分析は単なる翻訳の問題ではないことを知っています。 サルカズム、フレンドリーなバンター、および他の色合いの高いスピーチパターンは、最高のAIさえも達成するために苦労した文脈的理解のレベルを必要としています。 実施 しかし、たとえそれが 確かに、多くの企業は、誰かが理解しようとしている人によって作られた素敵でクリーンなオーディオレコーディングをサポートするトランスクリプションモデルを構築しています - 例えば、誰かが自宅のアシスタントによって聞かれるように明確に発言したり、AIエージェントが言おうとしていることを確実にするために彼らのスピーチパターンを意図的に変更したりします。 is 私たちはAIツールを作成するだけではなく、実際の人が社会化し、ビジネスを行い、世界について学ぶ方法を理解するツールを作成したいと考えています。そして私たちは、Call of DutyとGTA Onlineを含むトップのゲームプラットフォームが友好的なバナーと有害な意図の違いを認識するのを助け、グローバルなB2Cブランドと協力して、挫折した呼び出しやスポットを認識し、詐欺を防ぐことができます。 私たちは、この価値を解き放つために作った製品を非常に誇りに思っています。 そして そして最近、私たちは考えてきました - すべての人に同じことをするためのツールを与えることができるならどうでしょうか。 トックス VoiceVoice ModulateのVoice Intelligence APIの導入 ToxModとVoiceVaultのキャップの下には、トランスクリプション、感情モデリング、ディープファック検出などのためのユニークでカスタマイズされたモデルがあります。 今、我々は単に、機械学習チームの誇りとして(彼らは信じられない!)我々のデータは実際に我々の成功に重要であると言っているのではなく、ゲームとエンタープライズの両方の仕事のおかげで、我々は、人々が職業的にも社会的にも互いに話す方法の完全な範囲を示すために、実際の会話オーディオの数億時間を分析することができた。 ほとんどの現代のトランスクリプションモデルは、スタジオレコーディングやその他の類似の環境から構築された過度に非正規なデータセットで訓練を受けているか、あるいは、実際には特定の種類のパフォーマンスとして現実世界の会話を反映していないYouTubeやSpotifyのようなプラットフォームから見つけることができるすべてのものを削除している。 トップ AI 企業はこれらのデータセットで大きな進歩を遂げたが、それでも騒々しい会話や変化するオーディオ品質に苦労する傾向にある。これらの種類の混乱したデータセットでは、Modulate のトランスクリプションが大幅に優れている - 例えば、Word Error Rate (WER) は OpenAI の最新のビッグビッグ v3 モデルを 40% 超え、起動に約 15 倍速い推定値です。 このため、VoiceVault と ToxMod だけの可能性についてだけではなく、私たちのベースのモデルには、あらゆるデスクトップでAI システムを大幅に改善する可能性があると私たちは信じています。 自分で試してみてください♪ これがあなたを興奮させたら、私たちはあなたから聞きたい! 私たちは、ベースのモデルにAPIを開くプロセス中です - 待機リストに参加し、次レベルのトランスクリプション、感情分析、ディープファイク検出、音声ベースの年齢推定、またはそれ以上をどのように使用することを期待するかについて、より多くの情報を共有するために、すぐにフォームを記入してください。 . ここ

This post provides insights into new product. 

Get ToxMod to remove toxicity from voice chat in your game.

このオーディオは、ストーリーの元の言語で制作されています。

Modulateの新しい音声インテリジェンスAPI:スマートトランスクリプション、感情検出、ディープファイク防衛

About Author

コメント

ラベル

この記事は

Related Stories

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps