Comment nous résolvons l'accentué chinois et anglais ASR en Asie du Sud-Est (précision de 90%+)

En Asie du Sud-Est, l'accent standard n'existe pas

Pour le chinois et l'anglais ASR, il est facile de supposer que les corpus de formation du "mandarin standard" et "anglais britannique / américain" sont suffisants. Dès que votre entreprise atteint l'Asie du Sud-Est, cette hypothèse s'effondre.

En Asie du Sud-Est, il n'y a pas d'« accent standard » - une réunion peut mélanger le mandarin singapourien, le mandarin malaisien et le singlish, avec des accents, des mots empruntés et des dialectes entrelacés. Les modèles ASR génériques font à peine face.

C'est pourquoi de nombreuses équipes de mondialisation rapportent: le SaaS reconnaissance vocale qui fonctionnait parfaitement au pays soudainement « ne comprend pas les gens » dans les salles de réunion de Singapour, Kuala Lumpur et Bangkok.

Pourquoi les modèles SaaS et open source échouent

Nous avons mis en œuvre les solutions off-the - shelf communes contre des scénarios réels de l'Asie du Sud-Est. Le verdict était cohérent:

Solution	Performance sur les accents asiatiques	Cause racine
Générique SaaS ASR	Taux d'erreur de mot plus élevé	Formé au mandarin standard / anglais britannique-américain; faible couverture d'accent
OpenAI Whisper	Plus d'erreurs sous accents forts	Le modèle de base a une robustesse d'accentuation limitée; nécessite un réglage ciblé
Microsoft open source ASR	Grandes erreurs sur les mots empruntés / mélange de dialectes	Aucune modélisation dédiée des mots et accents empruntés multilingues en Asie du Sud-Est

Le conflit principal: La capacité linguistique de ces modèles est construite sur la parole standard, tandis que la communication quotidienne en Asie du Sud-Est est construite sur couche après couche de changement d'accent.

• Mandarin asiatique: Singapourien et Malaisien Mandarin intégrer des mots anglais directement (« Je réserve la chambre lah ») et mélanger dans Hokkien, Teochew, Hakka termes dialectal;
• par Anglais asiatique: Le singlish et le manglish utilisent une intonation de style chinois; l'anglais thaïlandais et vietnamien diffère nettement de l'anglais britannique / américain dans les consonnes et le discours connecté.

Les modèles génériques de décodage par "son standard" augmentent naturellement en erreur sur ces entrées.

L'approche de VoiVision: Recyclage sur des milliers d'heures

Au lieu de forcer un « modèle universel » à gérer chaque accent, nous refaire le modèle avec la propre voix de l'Asie du Sud-Est:

1. par Collecter des discours dans la région: construire un corpus mandarin + anglais de des milliers d'heures couvrant plusieurs accents nationaux, tirés de la communication réelle à Singapour, en Malaisie, en Thaïlande, au Vietnam et plus encore;
2. par Recyclage adaptatif: appliquer l'adaptation de l'accent en plus de la capacité de base afin que le décodeur apprenne les changements de prononciation, les tons et les modèles de mots empruntés courants de la région;
3. Injection de domaine mot-clé: injecte dynamiquement les termes, noms et abréviations de l'industrie du client en tant que mot-clé pour réduire davantage le taux d'erreur de mot dans les scénarios professionnels;
4. par Ingénieur pour la production: associer avec le traitement sur l'appareil de notre ASR Recognition Optimization solution (AGC / AEC / ANC + injection OCR écran mot-clé) pour exécuter le modèle retrainé sur les locaux du client.

Résultat: Mandarin accentué et anglais accentué ≥ 90%

Mesurée sur de vraies réunions avec les clients en Asie du Sud-Est et audio du centre d'appels:

• Mandarin accentué (Mandarin singapourien / malaisien, etc.) précision ≥ 90%;
• Anglais accentué (Singlish, Manglish, anglais thaï / vietnamien, etc.) précision ≥ 90%;
• Le taux d'erreur de mot sur les énoncés mélangés à emprunt et à dialecte diminue fortement par rapport au SaaS / Whisper générique.

La clé n'est pas « un modèle plus grand », mais « un modèle qui comprend le son de cette terre. Des milliers d'heures de discours dans la région transforment « ne peut pas comprendre » en « entend clairement ». "

Ingénierie et conformité: des exigences difficiles pour devenir mondial

L'Asie du Sud-Est implique souvent des limites de conformité transfrontalière et de résidence des données. Le modèle retrainé de VoiVision ne repose pas sur l'inférence du cloud public:

• Les navires avec les Speech Engine (software only) et VV05 / VV10 on-prem servers;
• Exécute entièrement sur site, latence de bout en bout Moins d'une seconde
• Audio et transcriptions Ne jamais quitter les locaux, répondant à la conformité pour les entreprises de mondialisation et les multinationales;
• Intégration avec / DingTalk / Feishu OA - voir OA Integration in Practice.

Cas d'utilisation typiques

• Réunions multinationales: les équipes de Singapour, Kuala Lumpur et Bangkok en un seul appel, transcrit avec précision malgré les accents mixtes;
• Centres d'appel asiatiques: auto-transcription vocale et QA des appels de support thaïlandais / vietnamiens en anglais;
• Formation et ateliers transfrontaliers: capture structurée de discussions et de formation multi-accent.

Recommandations de rollout

• Évaluer d'abord: envoyez-nous de vrais enregistrements de vos équipes en Asie du Sud-Est pour un test de reconnaissance d'accent afin de voir l'écart actuel entre les erreurs de mots;
• Retrain: construire un retrain spécifique à la région et personnaliser mot-clé sur des milliers d'heures de parole accentuée;
• Déploiement: privatisation, intégration avec OA et les systèmes d'enregistrement existants.

Besoin d'une évaluation de la reconnaissance des accents pour votre entreprise en Asie du Sud-Est? Book a Demo et notre équipe technique vous donneront un plan de recyclage concret et une base de précision.