كيف نحل الصينية والإنجليزية لهجة ASR في جنوب شرق آسيا (90٪ + الدقة)
الصينية والإنجليزية في جنوب شرق آسيا تحمل لهجات ثقيلة - الماندرين السنغافوري / الماليزي ، السنغليش ، مانغليش ، التايلاندية / الفيتنامية الإنجليزية. ASR SaaS العامة ونماذج مفتوحة المصدر مثل Whisper و ASR المفتوحة من Microsoft تكافح هناك.تعيد VoiVision التدريب على آلاف الساعات من الكلام ذي اللهجة لدفع اللهجة الماندرين والإنجليزية إلى ما بعد 90٪ من الدقة.
في جنوب شرق آسيا ، لا توجد "لكنة قياسية"
بالنسبة للصينية والإنجليزية ASR ، من السهل افتراض أن مؤسسات التدريب من "الماندرين القياسية" و "الإنجليزية البريطانية / الأمريكية" كافية.في اللحظة التي تصل فيها أعمالك إلى جنوب شرق آسيا ، ينهار هذا الافتراض.
في جنوب شرق آسيا لا توجد "لكنة قياسية" - قد يخلط اجتماع واحد بين الماندرين السنغافوري والماندرين الماليزي والسنغليش ، مع لهجات وكلمات مستعارة وهجات متشابكة.نماذج ASR العامة بالكاد التعامل.
هذا هو السبب في أن العديد من فرق العولمة تقارير: التعرف على الكلام SaaS التي عملت بشكل مثالي محليًا فجأة "لا يمكنها فهم الناس" في غرف الاجتماعات في سنغافورة وكوالالمبور وبانكوك.
لماذا تفشل نماذج SaaS العامة والمصدر المفتوح
لقد قمنا بتشغيل الحلول المتاحة المشتركة ضد سيناريوهات جنوب شرق آسيا الحقيقية.وكان الحكم متسقاً:
| الحل | الأداء على لهجات جنوب شرق آسيا | السبب الجذري |
|---|---|---|
| عامة SaaS ASR | ارتفاع معدل خطأ الكلمة بشكل ملحوظ | تدرب على الماندرين القياسي / الإنجليزية البريطانية الأمريكية ؛ تغطية لهجة ضعيفة |
| OpenAI الهمس | المزيد من الأخطاء تحت لهجات قوية | النموذج الأساسي لديه متانة لهجة محدودة ؛ يحتاج إلى ضبط دقيق مستهدف |
| مايكروسوفت مفتوحة المصدر ASR | أخطاء كبيرة في خلط الكلمات المقترضة / اللهجة | لا توجد نمذجة مخصصة للكلمات واللكجات المستعارة متعددة اللغات في جنوب شرق آسيا |
النزاع الأساسي: تم بناء القدرة اللغوية لهذه النماذج على الكلام القياسي ، في حين أن التواصل اليومي في جنوب شرق آسيا مبني على طبقة تلو الأخرى من التحول في اللهجة.
- الماندرين الآسيوي: تضمنت السنغافورية والماليزية الماندرين الكلمات الإنجليزية مباشرة ("أحجز الغرفة lah") ومزج في هوكين ، تيوتشيو ، مصطلحات لهجة هاكا ؛
- اللغة الإنجليزية: يستخدم السنغليش والمانغليش نغمة على النمط الصيني ؛ تختلف اللغة الإنجليزية التايلاندية والفيتنامية اختلافًا كبيرًا عن اللغة الإنجليزية البريطانية / الأمريكية في الساكن والخطاب المرتبط.
النماذج العامة فك الترميز بواسطة "الصوت القياسي" بشكل طبيعي ارتفاع في الخطأ على هذه المدخلات.
نهج VoiVision: إعادة التدريب على آلاف الساعات
بدلاً من إجبار "نموذج عالمي" واحد على التعامل مع كل لهجة ، فإننا إعادة تدريب النموذج مع صوت جنوب شرق آسيا:
- جمع الخطابات في المنطقة: بناء مجموعة من الماندرين + الإنجليزية من آلاف الساعات التي تمتد على لهجات وطنية متعددة ، مستمدة من التواصل الحقيقي في سنغافورة وماليزيا وتايلاند وفيتنام وأكثر من ذلك ؛
- إعادة التدريب التكيفي لهجة: تطبيق التكيف مع اللهجة على رأس القدرة الأساسية بحيث يتعلم فك الترميز تحولات النطق الشائعة والنغمات وأنماط الكلمات المقترضة في المنطقة ؛
- حقن المجال كلمة مفتاحية: حقن ديناميكي المصطلحات الصناعية للعميل والأسماء والاختصارات كما كلمة مفتاحية لزيادة خفض معدل خطأ الكلمة في السيناريوهات المهنية ؛
- مهندس للإنتاج: زوج مع معالجة على الجهاز من لدينا ASR Recognition Optimization solution (AGC / AEC / ANC + حقن OCR شاشة كلمة مفتاحية) لتشغيل النموذج المعاد تدريبها في مباني العميل.
النتيجة: الماندرين لهجة والإنجليزية لهجة على حد سواء ≥ 90٪
تم قياسها على اجتماعات العملاء الحقيقية في جنوب شرق آسيا وصوت مركز الاتصال:
- الماندرين لهجة (الماندرين السنغافوري / الماليزي ، إلخ)دقة ≥ 90٪;
- الإنجليزية لهجة (السنغليش ، المانغليش ، الإنجليزية التايلاندية / الفيتنامية ، إلخ)دقة ≥ 90٪;
- ينخفض معدل خطأ الكلمة على الكلمات المقترضة والكلمات المختلطة باللهجة بشكل حاد مقابل SaaS / Whisper العام.
المفتاح ليس "نموذجًا أكبر" ولكن "نموذجًا يفهم صوت هذه الأرض.الآلاف من الساعات من الخطاب في المنطقة تحول "لا أستطيع فهم" إلى "يسمع بوضوح. "
الهندسة والامتثال: متطلبات صعبة للذهاب العالمي
غالبًا ما تنطوي جنوب شرق آسيا على الامتثال عبر الحدود وحدود إقامة البيانات.لا يعتمد نموذج VoiVision الذي أعيد تدريبه على الاستدلال السحابي العام:
- السفن مع Speech Engine (software only) و VV05 / VV10 on-prem servers ؛
- يعمل بالكامل على premise ، من نهاية إلى نهاية الكمون أقل من 1 ثانية ؛
- الصوت والنصوص لا تغادر المبنى أبداً، لقاء الامتثال لمؤسسات العولمة والشركات متعددة الجنسيات؛
- يتكامل مع WeCom / DingTalk / Feishu OA - انظر OA Integration in Practice.
حالات الاستخدام النموذجي
- اجتماعات متعددة الجنسيات: الفرق في جميع أنحاء سنغافورة وكوالالمبور وبانكوك في مكالمة واحدة ، يتم نسخها بدقة على الرغم من لهجات مختلطة ؛
- مراكز الاتصال في جنوب شرق آسيا: التلقائي تفريغ الصوت و QA من مكالمات الدعم الإنجليزية التايلاندية / الفيتنامية ؛
- التدريب وورش العمل عبر الحدود: التقاط منظم للمناقشات والتدريب المتعدد النغمات.
التوصيات المتعلقة بالنشر
- تقييم أولا: أرسل لنا تسجيلات حقيقية من فرق جنوب شرق آسيا الخاصة بك لمعيار التعرف على لهجة لمعرفة الفجوة الحالية في خطأ الكلمة ؛
- إعادة التدريب: بناء إعادة التدريب الخاصة بالمنطقة بالإضافة إلى تخصيص كلمة مفتاحية على آلاف الساعات من الخطاب المبرز ؛
- نشر: الذهاب الخاصة، والاندماج مع OA الحالية وأنظمة التسجيل.
هل تحتاج إلى تقييم للتعرف على اللهجة لعملك في جنوب شرق آسيا؟ستقدم لك Book a Demo وفريقنا الفني خطة إعادة تدريب ملموسة وخط أساسي للدقة.
الأسئلة الشائعة
Q: ما الذي يجعل جنوب شرق آسيا التعرف على الكلام صعبة للغاية؟
A: إنه مزيج من اللهجة + الكلمات المستعارة + اللهجة.اللغة السنغافورية والماليزية الماندرين تعترض بشكل كبير من اللهجات الإنجليزية والصينية الجنوبية ؛ اللغة الإنجليزية لجنوب شرق آسيا (السنغليش والمانغليش والإنجليزية التايلاندية / الفيتنامية) تختلف اختلافًا كبيرًا عن اللغة الإنجليزية البريطانية / الأمريكية في الصوت والنبرة والخطاب المرتبط.النماذج العامة المدربة على الكلام "القياسي" ببساطة تخطئ في التعرف على هذه اللغات بشكل جماعي.
Q: لماذا يضعف أداء Whisper و ASR المفتوح المصدر من Microsoft في جنوب شرق آسيا؟
A: يتم تدريب نماذجها الأساسية بشكل رئيسي على اللغة الماندرينية القياسية والانجليزية البريطانية / الأمريكية ، مع تغطية لهجة ضعيفة.بدون التكيف المحدد لهجة لديهم معدلات عالية من خطأ الكلمات على لهجات قوية مثل الماندرين السنغافوري أو السنغليش ؛ يتطلب التكيف الفعال جسماً مستهدفاً لهجة للتعديل الدقيق.
Q: كيف تصل VoiVision إلى دقة 90٪؟
A: والجوهر هو "إعادة التدريب على آلاف الساعات من الخطاب ذي اللهجة من جنوب شرق آسيا. "نقوم بجمع الصوت بالماندرين والإنجليزية التي تمتد عبر لهجات وطنية متعددة ، ثم نطبق التكيف مع اللهجة بالإضافة إلى حقن كلمة مفتاحية المجال لإعادة تدريب النموذج حتى يفهم جهاز فك التشفير تحولات النطق الشائعة والكلمات المستعارة - مما يوفر دقة 90٪ + لكل من الماندرينية والإنجليزية ذات اللهجة.
Q: ما هي لهجات محددة مدعومة؟
A: نحن نغطي بالفعل لهجات جنوب شرق آسيا النموذجية - الماندرين السنغافوري والماندرين الماليزي والسنغليش والمانغليش والإنجليزية التايلاندية والإنجليزية الفيتنامية - وندعم المزيد من تخصيص لهجة لكل بلد / لكل صناعة وتعزيز كلمة مفتاحية.
Q: هل يمكن نشرها بشكل خاص مع زمن وصول منخفض؟
A: نعم.السفن النموذج مع لدينا [Speech Engine (software only)](/ar/products/engine) و [VV05 / VV10 on-prem servers](/ar/products/vv10) ، تعمل بالكامل في الموقع (غرفة الخادم أو السحابة) مع الكمون من النهاية إلى النهاية أقل من ثانية واحدة ولا تغادر البيانات المباني - تلبية احتياجات الامتثال للمؤسسات التي تتوسع في الخارج والمؤسسات متعددة الجنسيات.