Tiếng Ả Rập bị phân mảnh - Tại sao ASR chung thất bại phương ngữ và làm thế nào để che chúng

Tiếng Ả Rập: không phải là "một", mà là "nhiều"

Bẫy lớn nhất trong tiếng Ả Rập ASR: bạn nghĩ rằng bạn đang nhận ra "Arab" - nhưng không có tiếng Ả Rập duy nhất. Người Ai Cập, vùng Vịnh, Levantine và Bắc Phi nói hầu như các ngôn ngữ khác nhau.

Đối xử với MSA như là "tiếng Ả Rập" là vấp ngã đầu tiên nhiều đội làm cho tiếng Ả Rập ASR - ngôn ngữ viết và âm thanh của một đường phố Cairo đơn giản là không giống nhau.

Tại sao các giải pháp chung thất bại: điểm chuẩn của chúng tôi

Chúng tôi đã xác nhận các giải pháp chung từng giải pháp một trên các cuộc họp thực tế ở Dubai, Riyadh và Cairo và âm thanh trung tâm cuộc gọi; kết luận là nhất quán:

Giải pháp	Hiệu suất trên ngôn ngữ này	Nguyên nhân gốc
SaaS chung chung ASR	Lỗi từ rất cao trên phương ngữ	Được đào tạo chủ yếu về MSA; phủ sóng phương ngữ yếu
OpenAI Whisper	Nhiều lỗi hơn dưới phương ngữ mạnh	Mô hình cơ sở giới hạn độ bền cho các phương ngữ; cần tinh chỉnh
Microsoft nguồn mở ASR	Lỗi lớn khi trộn phương ngữ	Không có mô hình đa phương ngữ Ả Rập chuyên dụng

Cuộc xung đột cốt lõi: Các mô hình chung được đào tạo trên MSA, trong khi ngôn ngữ hàng ngày của Vịnh, Ai Cập, Levantine và Maghreb mỗi tạo thành hệ thống riêng của nó - rất khác nhau, chúng tiếp cận các ngôn ngữ riêng biệt.

Cách tiếp cận của VoiVision: đào tạo lại tiếng Ả Rập đa phương ngữ

Chúng tôi không cho rằng một "tiêu chuẩn tiếng Ả Rập" tồn tại; thay vào đó chúng tôi mô hình hóa mỗi phương ngữ như là nhiệm vụ riêng của nó:

1. Sưu tập bài phát biểu trong khu vực: Xây dựng một tập hợp tiếng Ả Rập hàng ngàn giờ qua các phương ngữ Ai Cập, Vịnh, Levantine và Maghrebi, với các kịch bản năng lượng / tài chính / chính phủ thực sự.
2. Đào tạo lại thích ứng phương ngữ: dạy cho người giải mã sự thay đổi phát âm của mỗi phương ngữ, trao đổi từ vựng và thói quen ngữ pháp.
3. Domain từ khóa tiêm: tiêm dầu khí, tài chính và các điều khoản chính phủ để cắt lỗi từ chuyên nghiệp.
4. Sản xuất hạ cánh: triển khai đường ống trên thiết bị theo yêu cầu đám mây và trên prem của KSA / UAE; âm thanh và bản ghi không bao giờ rời khỏi cơ sở của khách hàng.

Kết quả đo: mỗi phương ngữ ≥90%

Đo trên âm thanh của khách hàng Ả Rập thực sự, nhận dạng phương ngữ Ai Cập / Vịnh / Levantine / Maghreb đạt 90%+, với lỗi từ trên các phát âm hỗn hợp phương ngữ thấp hơn nhiều các giải pháp chung.

Phương ngữ Ma-rốc (Maghrebi) - xa nhất từ MSA và nơi các mô hình chung sai lầm nhiều nhất - cho thấy lợi ích lớn nhất sau khi đào tạo lại.

Kỹ thuật & tuân thủ: Chủ quyền dữ liệu Trung Đông

Tàu với máy chủ Speech Engine và VV05 / VV10 trên prem của chúng tôi, hoàn toàn trên prem, độ trễ <1s, không có rò rỉ dữ liệu - đáp ứng năng lượng / tài chính / chính phủ Trung Đông.

Các điểm tuân thủ chính:

• Saudi Arabia, UAE và các nước khác yêu cầu dữ liệu chính phủ / năng lượng được địa phương hóa hoặc trên đám mây có chủ quyền;
• Sau khi triển khai tại chỗ, âm thanh và bản sao không bao giờ rời khỏi cơ sở của khách hàng;
• Tích hợp với khách hàng kiểm toán bảo mật hiện có và tuân thủ cơ sở hạ tầng quan trọng.

Các trường hợp sử dụng điển hình

• Các cuộc họp năng lượng / tài chính xuyên biên giới
• Trung tâm cuộc gọi tiếng Ả Rập QA
• Chính phủ / tổ chức đa ngôn ngữ biên bản cuộc họp

Các khuyến nghị triển khai

• Đánh giá phạm vi phủ sóng phương ngữ đầu tiên: bản đồ các quốc gia / phương ngữ mà doanh nghiệp của bạn chạm vào, với một đường cơ sở lỗi từ trên mỗi phương ngữ;
• Đào tạo lại theo ngành: tùy chỉnh dầu khí, tài chính, các thuật ngữ chính phủ và phương ngữ ưu tiên;
• Ra mắt trên Sovereign Cloud cuối cùng: triển khai trong môi trường cục bộ hoặc đám mây chủ quyền được khách hàng chỉ định.

Cần chuẩn nhận dạng phương ngữ Ả Rập?Đặt một Demo và đội ngũ của chúng tôi sẽ cung cấp cho bạn một kế hoạch đào tạo lại cụ thể và cơ sở chính xác.