Güneydoğu Asya'da Aksan Çince ve İngilizce ASR'yi Nasıl Çözeriz (% 90+ Doğru)

Güneydoğu Asya 'da "Standard Accent" Yok

Çince ve İngilizce ASR için, "standart Mandarin" ve "British / American English" eğitim korpuslarının yeterli olduğunu varsaymak kolaydır.İşiniz Güneydoğu Asya 'ya ulaştığında, bu varsayım çöker.

Güneydoğu Asya 'da "standart aksan" yoktur - bir toplantı Singapur Mandarin, Malezya Mandarin ve Singlish' i aksanlar, ödünç alınan kelimeler ve lehçelerle karıştırabilir. Genel ASR modeller zorlukla başa çıkıyor.

Bu yüzden pek çok küreselleşme ekibinin raporları: Yurtiçi ortamda mükemmel bir şekilde çalışan SaaS konuşma tanıma, Singapur, Kuala Lumpur ve Bangkok'taki toplantı odalarında aniden "insanları anlayamıyor".

Neden Genel SaaS ve Açık Kaynak Modelleri Başarısız Olur

Gerçek Güneydoğu Asya senaryolarına karşı ortak raft dışı çözümleri çalıştırdık. Karar tutarlıydı:

Çözüm	Güneydoğu Asya aksanlarında performans	Kök nedenleri
Genel SaaS ASR	Daha yüksek kelime hatası oranı	Standart Mandarin / İngiliz-Amerikan İngilizcesi üzerinde eğitim görmüş; zayıf aksan kapsamı
OpenAI Fısıltı	Güçlü aksanlar altında daha fazla hata	Temel model sınırlı vurgu dayanıklılığına sahiptir; hedeflenen ince ayar gerektirir
Microsoft Açık Kaynak ASR	Ödünç alınan sözcükler / lehçe karıştırma konusunda büyük hatalar	Güneydoğu Asya çok dilli ödünç kelimeler ve aksanlar için özel modelleme yok

Çatışma: Bu modellerin dil yeteneği standart konuşma üzerine kurulurken, Güneydoğu Asya'daki günlük iletişim aksan değişimi katmanları üzerine inşa edilir.

• Güneydoğu Asya Mandarin: Singapur ve Malezya Mandarin İngilizce kelimeleri doğrudan ("Ben oda lah rezervasyonu ") ve Hokkien, Teochew, Hakka lehçesinde karışım;
• SE-Asian İngilizce: Singlish ve Manglish, Çin tarzı tonlama kullanır; Tay ve Vietnam İngilizcesi, Amerikan/British İngilizcesinden sessiz ve bağlantılı konuşmalarda keskin bir şekilde farklıdır.

Genel modeller "standart ses" tarafından çözülür doğal olarak bu girdilerde hata yaparlar.

VoiVision ' in Yaklaşımı: Binlerce Saat Üzerine Yeniden Eğitim

Her aksanın üstesinden gelmek için tek bir "evrensel model " i zorlamak yerine, Güneydoğu Asya ' nın kendi sesiyle modeli yeniden eğitiyoruz:

1. Bölge içi konuşmayı topla: Singapur, Malezya, Tayland, Vietnam ve daha fazlasındaki gerçek iletişimden alınan, çok sayıda ulusal aksanı kapsayan Binlerce saat ' nin Mandarin + İngilizce korpusunu oluşturun;
2. Accent-adaptive re-eğitim: temel yeteneğin üzerine aksan adaptasyonu uygulayın, böylece kod çözücü bölgenin ortak telaffuz kaymalarını, tonlarını ve ödünç alınan kelime kalıplarını öğrenir;
3. Domain sıcak kelime enjeksiyonu: profesyonel senaryolarda kelime hatası oranını daha da azaltmak için müşterinin endüstri terimlerini, isimlerini ve kısaltmalarını sıcak kelime olarak dinamik olarak enjekte eder;
4. Üretim için mühendis: ASR Recognition Optimization solution (AGC / AEC / ANC + OCR ekran sıcak kelime enjeksiyonu) 'den cihaz üzerinde işleme ile müşterinin tesislerinde yeniden eğitilmiş model çalıştırmak için çift.

Sonuç: Aksanlı Mandarin ve Aksanlı İngilizce her ikisi ≥% 90

Gerçek Güneydoğu Asya müşteri toplantıları ve çağrı merkezi sesinde ölçülmüş:

• Aksanlı Mandarin (Singapur / Malezya Mandarin, vb.) doğruluk ≥ 90%;
• Aksanlı İngilizce (Singlish, Manglish, Tay / Vietnam İngilizce, vb.) doğruluk ≥ 90%;
• Ödünç alınan kelime ve lehçe karışık konuşmalardaki kelime hatası oranı, genel SaaS / Whisper ' e kıyasla keskin bir şekilde düşüyor.

Anahtar "büyük bir model " değil," bu toprakların sesini anlayan bir model. Binlerce saatlik bölge içi konuşma, "anlayamıyorum" ı "açıkça duyulanlar" haline getiriyor. "

Mühendislik ve Uyumluluk: Küresel Olmak İçin Zor Gereksinimler

Güneydoğu Asya, genellikle sınır ötesi uyumluluk ve veri ikamet sınırlarını içerir. VoiVision'nin yeniden eğitilmiş modeli halka açık bulut çıkarımına dayanmaz:

• Speech Engine (software only) ve VV05 / VV10 on-prem servers ile gemiler;
• Tam olarak prem, uçtan uca gecikme 1 saniyenin altında çalıştırır;
• Ses ve transkriptleri Asla binadan ayrılmayın, küreselleşme kuruluşları ve çok uluslu şirketler için uyumlu buluşma;
• WeCom / DingTalk / Feishu OA ile entegre - bakınız OA Integration in Practice.

Tipik kullanım durumları

• Çok uluslu toplantılar: Singapur, Kuala Lumpur ve Bangkok 'taki ekipler, karışık aksanlara rağmen tek bir çağrıda doğru bir şekilde transkribilir;
• Asya çağrı merkezleri: Tayland / Vietnam İngilizce destek çağrılarının otomatik konuşma transkripsiyonu ve QA;
• Sınır ötesi eğitim ve atölyeler: Çok aksanlı tartışmaların ve eğitimlerin yapılandırılmış yakalanması.

Rollout Önerileri

• Değerlendirme Önce: mevcut kelime hatası boşluğunu görmek için bir aksan tanıma ölçütü için Güneydoğu Asya ekibinizin gerçek kayıtlarını gönderin;
• Yeniden Eğitim: binlerce saatlik aksanlı konuşma üzerine bölgeye özgü bir retrain ve sıcak kelime özelleştirmesi oluşturun;
• Deploy: mevcut OA ve kayıt sistemleri ile entegre, özel git.

Güneydoğu Asya işiniz için bir aksan tanıma değerlendirmesine mi ihtiyacınız var? Book a Demo ve teknik ekibimiz size somut bir yeniden eğitim planı ve doğruluk temelini verecektir.