Во последниве неколку години, постои бран на интерес за гласовно базирана АИ - дали да или тоа Но, организациите кои го користат овој најнов бран на АИ се соочуваат со предизвик, бидејќи разбирањето на гласот е Поминавме години обработувајќи и анализирајќи го говорот во реалниот свет за да обезбедиме увид во однесувањето на корисниците. Сега, бевме возбудени да го објавиме раниот пристап за да ги тестираме нашите основни модели за гласовна интелигенција за да видиме колку е моќна и флексибилна нашата технологија! Разбирање на луѓето Интеракција со нас директно Тешко е Предизвикот на ефективната анализа на говорот Знаеме дека анализата на говорот не е само прашање на транскрипција – луѓето инјектираат емоции во начинот на кој живееме. Сарказмот, пријателскиот бантер и другите нијансирани обрасци на говорот бараат ниво на контекстуално разбирање кое дури и најдобрите АИ се обидоа да го постигнат. Извршување Но, дури и кога тоа Секако, многу компании изградија модели за транскрипција кои поддржуваат убави, чисти аудио записи направени од некој кој се обидува да биде разбран – на пример, некој изговарајќи остро за да биде слушнат од нивниот домашен асистент, или намерно менување на нивните обрасци на говор за да се осигура дека агентот на АИ го добива она што се обидува да каже. is Од самиот почеток, целта на Modulate беше да го скршиме кодот тука.Не сакаме само да создадеме алатки за вештачка интелигенција; сакаме да создадеме алатки кои навистина ги разбираат начините на кои вистинските луѓе комуницираат, вршат бизнис и учат за светот.И имавме огромен успех во тоа – помагајќи им на врвните играчки платформи, вклучувајќи ги и Call of Duty и GTA Online, да ја препознаат разликата помеѓу пријателскиот бантер и штетната намера; и да работат со глобалните B2C брендови за да ги препознаат фрустрираните повикувачи или местото и да спречат би-би-би-измама. Ние сме исклучително горди на производите што ги изградивме за да ја отклучиме оваа вредност, вклучувајќи и И неодамна размислувавме – што ако можеме да им дадеме на сите алатки за да го направат истото? Токсикоза Гласовникот Воведување на Voice Intelligence API на Modulate Под капакот на ToxMod и VoiceVault се уникатни, прилагодени модели за транскрипција, моделирање на емоции, детекција на длабоки лаги и многу повеќе.И колку повеќе научивме, толку повеќе сфативме дека овие модели го надминуваат она што е на пазарот денес на клучен начин. Сега, ние не само што велеме дека како пофалба за нашиот тим за машинско учење (иако тие се неверојатни!) нашите податоци всушност се од клучно значење за нашиот успех.Благодарение на нашата работа во игри и претпријатија, можевме да анализираме стотици милиони часа вистински, разговорни аудио, покажувајќи го целосниот спектар на тоа како луѓето зборуваат едни со други и професионално и социјално. Повеќето модерни модели за транскрипција се обучени или на премногу неприродни збирки на податоци, изградени од студиски записи или други слични средини; или едноставно скратуваат сè што можат да најдат од платформи како Youtube или Spotify, кои всушност не ги рефлектираат реалните разговори толку многу како одреден тип на перформанси. Најдобрите компании за вештачка интелигенција успеаја да направат големи чекори со овие збирки на податоци, но сепак имаат тенденција да се борат со бучни разговори и променлив квалитет на звукот.На овие видови мешани збирки на податоци, транскрипцијата на Modulate значително ги надминува резултатите - на пример, нашата стапка на грешка на зборот (WER) го надминува најновиот модел на OpenAI со 40%, со приближно 15 пати побрзо заклучување за стартување. Ова е причината зошто сме толку возбудени не само за потенцијалот за VoiceVault и ToxMod самиот – но, исто така, веруваме дека нашите основни модели имаат потенцијал за масивно подобрување на ИИ системи низ целиот панел, помагајќи им на сите наши агенти и класификатори да ги разберат вистинските луѓе, во вистински разговори, како никогаш порано. Обидете се сами Ако ова ве возбудува, би сакале да слушнеме од вас!Ние сме во процес на отворање на API за нашите основни модели - да се приклучите на листата за чекање и да споделите повеќе за тоа како се надевате да го користите транскрипцијата на следното ниво, анализата на емоциите, детекцијата на длабоки измами, проценката на возраста врз основа на глас или повеќе, ве молиме пополнете ја брзата форма . Овде

This post provides insights into new product. 

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

Ова аудио е произведено на оригиналниот јазик на приказната!

Премногу долго; Да чита

Get Free Unlimited IP Geo Data With IPinfo Lite

Новиот гласовен интелектуален API на Modulate: Smart Transcription, Emotion Detection и Deepfake Defense

About Author

КОМЕНТАРИ

ВИСЕТЕ ТАГОВИ

ОВОЈ СТАТИЈА БЕШЕ ПРЕТСТАВЕН ВО

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps