گزشتہ چند سالوں میں، آواز پر مبنی AI میں دلچسپی کی ایک اونچائی ہوئی ہے - یا نہیں یا یہ لیکن ان تنظیموں کو AI کی اس تازہ ترین گرمی کا استعمال کرتے ہوئے ایک چیلنج کا سامنا کرنا پڑتا ہے، کیونکہ آواز کو سمجھنے کے لئے ہم نے سالوں کے لئے حقیقی دنیا کی بات چیت کو پروسیسنگ اور تجزیہ کرنے کے لئے استعمال کرنے والے رویے میں نقطہ نظر فراہم کرنے کے لئے خرچ کیا ہے. اب، ہم اپنے بنیادی صوتی انٹیلی جنس ماڈلوں کو ٹیسٹ کرنے کے لئے ابتدائی رسائی کا اعلان کرنے کے لئے دلچسپی رکھتے ہیں کہ ہماری ٹیکنالوجی کتنی طاقتور اور انعطاف پذیر ہوسکتی ہے! ہمیں انسان سمجھیں ہمارے ساتھ براہ راست بات چیت سخت ہے مؤثر الفاظ کا تجزیہ کرنے کا طریقہ ہم جانتے ہیں کہ بات کا تجزیہ صرف ٹرانسپیشن کا معاملہ نہیں ہے - لوگ ہمارے طریقوں میں احساسات کو انجکشن کرتے ہیں. Sarcasm، دوستانہ بانٹر، اور دیگر متغیر الفاظ کے ماڈلوں کو ایک سطح پر کنٹیکٹو سمجھنے کی ضرورت ہے جو یہاں تک کہ سب سے بہتر AI تک پہنچنے کے لئے کوشش کر رہے ہیں. عمل کریں لیکن جب بھی یہ یقینی طور پر، بہت سے کمپنیوں نے ٹرانسپیشن ماڈل بنائے ہیں جو کسی کو سمجھنے کی کوشش کی جاتی ہے - مثال کے طور پر، کسی کو اپنے گھر کی مددگار کی طرف سے سننے کے لئے واضح طور پر بیان کرتے ہیں، یا اس بات کو یقینی بنانے کے لئے اپنے بات چیت کے نمونے کو طے شدہ طور پر تبدیل کرتے ہیں کہ ایک AI ایجنٹ جو وہ کہتے ہیں اس کو حاصل کرنے کی کوشش کر رہے ہیں. لیکن واضح طور پر بات چیت کو سمجھنے کے لئے ہم انسان ایک دوسرے کے ساتھ بات چیت کر رہے ہیں - تیز احساساتی چڑھاؤ، گہری تبصرے، پیچھے کی آواز اور کئی سپیکر، اور سب اکثر ایک نصف مناسب مائکروفون پر چڑھا دیا جاتا ہے جو پورے رینج کو لے جانے کے لئے جدوجہد کرتا ہے - ایک اور کہانی ہے. is ابتدائی طور پر، Modulate کا مقصد یہاں کوڈ کو پھینکنا تھا. ہم صرف AI آلات بنانے کے لئے نہیں چاہتے ہیں، ہم آلات پیدا کرنا چاہتے ہیں جو واقعی حقیقی لوگوں کو سماجی طور پر سمجھتے ہیں، کاروبار کرتے ہیں، اور دنیا کے بارے میں سیکھتے ہیں. اور ہم نے ایسا کرنے میں بہت کامیابی حاصل کی ہے - Call of Duty اور GTA آن لائن سمیت سب سے اوپر گیمنگ پلیٹ فارمز کو دوستی اور نقصان دہ ارادے کے درمیان فرق کو پہچاننے میں مدد کرنے کے لئے؛ اور عالمی B2C برانڈز کے ساتھ کام کرنے کے لئے ناپسندیدہ کال کرنے والے یا پٹ کو پہچاننے اور ممکنہ جھوٹ کو روکنے کے لئے. ہم اس قدر فخر کرتے ہیں کہ مصنوعات ہم نے اس قیمت کو کھولنے کے لئے بنایا ہے، اور اور ہم نے حال ہی میں سوچا ہے - اگر ہم سب کو ایک ہی کام کرنے کے لئے آلات دے سکتے ہیں تو؟ ٹوکری آوازیں Modulate's Voice Intelligence API کا استعمال کریں ToxMod اور VoiceVault کے ہتھیار کے تحت ٹرانسپیشن، احساس ماڈلنگ، deepfake پتہ لگانے، اور بہت زیادہ کے لئے منفرد، اپنی مرضی کے مطابق بنایا ماڈل ہیں. اور ہم نے زیادہ سیکھا ہے، ہم زیادہ محسوس کرتے ہیں کہ ان ماڈلوں کو آج کے مارکیٹ میں جو کچھ ہے اس سے زیادہ اہم طریقوں میں. اب، ہم صرف یہ نہیں کہتے ہیں کہ ہماری مشین سیکھنے کی ٹیم کے بارے میں فخر کے طور پر (اگرچہ وہ حیرت انگیز ہیں!) ہمارے اعداد و شمار اصل میں ہماری کامیابی کے لئے اہم ہیں. ہمارے کھیل اور کاروباری کام کے لئے شکریہ، ہم واقعی، بات چیت آڈیو کے سینکڑوں ملین گھنٹے کا تجزیہ کر سکتے ہیں، لوگوں کو ایک دوسرے کے ساتھ بات چیت کے تمام رینج کو ظاہر کرتے ہیں، دونوں پیشہ ورانہ اور سماجی طور پر. زیادہ سے زیادہ جدید ٹرانسپیشن ماڈلوں کو یا تو بہت غیر معمولی ڈیٹا سیٹ پر تربیت دی جاتی ہے، سٹوڈیو ریکارڈز یا دیگر اسی طرح کے ماحول سے بنائی جاتی ہے؛ یا یہ صرف جو کچھ وہ یوٹیوب یا Spotify جیسے پلیٹ فارمز سے تلاش کرسکتے ہیں، جو واقعی حقیقی دنیا کی بات چیت کو ایک مخصوص قسم کی کارکردگی کے طور پر نہیں ظاہر کرتے ہیں. سب سے اوپر AI کمپنیوں نے ان ڈیٹا سیٹوں کے ساتھ بہت اچھے قدم اٹھانے میں کامیاب ہو چکے ہیں، لیکن اب بھی ہلکے بات چیت اور متغیر آڈیو کے معیار پر جدوجہد کرتے ہیں. ان قسم کے گہری ڈیٹا سیٹوں پر، ماڈیولائٹ کی ٹرانسپیشن بہت بہتر ہے - مثال کے طور پر، ہمارے Word Error Rate (WER) OpenAI کی تازہ ترین whisper-large-v3 ماڈل کو 40٪ سے بڑھاتا ہے. یہی وجہ ہے کہ ہم صرف VoiceVault اور ToxMod کے امکانات کے بارے میں بہت دلچسپی رکھتے ہیں - لیکن ہم یہ بھی یقین رکھتے ہیں کہ ہمارے بنیادی ماڈلوں کو دنیا بھر میں AI سسٹموں کو بڑے پیمانے پر بہتر بنانے کی صلاحیت ہے، ہماری تمام ایجنٹوں اور درج کرنے والوں کو حقیقی انسانوں کو سمجھنے میں مدد ملتی ہے، حقیقی بات چیت میں، پہلے کبھی نہیں. اپنے آپ سے کوشش کریں اگر یہ آپ کو حوصلہ افزائی کرتا ہے تو، ہم آپ سے سننا پسند کریں گے! ہم بنیادی ماڈلوں کے لئے API کھولنے کے عمل میں ہیں - انتظار کی فہرست میں شامل ہونے اور آپ کو اگلے سطح کے ٹرانسپیشن، احساسات کا تجزیہ، deepfake پتہ لگانے، آواز کی بنیاد پر عمر کا اندازہ لگانے کے بارے میں مزید معلومات کا اشتراک کرنے کے لئے، براہ مہربانی فوری فارم کو مکمل کریں . یہاں

This post provides insights into new product. 

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

یہ آڈیو کہانی کی اصل زبان میں تیار کی گئی ہے!

بہت لمبا؛ پڑھنے کے لئے

Get Free Unlimited IP Geo Data With IPinfo Lite

Modulate’s New Voice Intelligence API: سمارٹ ٹرانسپیشن، Emotion Detection اور Deepfake دفاع

About Author

تبصرے

ہینگ ٹیگز

یہ مضمون اس میں پیش کیا گیا تھا۔

Related Stories

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

"Growing Businesses Gives Me a Sense of Purpose." says Flow Ninja Founder/CEO

AI Search Traffic Marketshare for Calling HackerNoon Blogs: 52% OpenAI, 30% Amazon & 18% Perplexity

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

"Growing Businesses Gives Me a Sense of Purpose." says Flow Ninja Founder/CEO

AI Search Traffic Marketshare for Calling HackerNoon Blogs: 52% OpenAI, 30% Amazon & 18% Perplexity

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps