Сбор данных для бизнеса. Будущее за расшифровкой речи? (часть 2)

Продолжение. Начало: Сбор данных для бизнеса. Будущее за расшифровкой речи? (часть 1)

Зачем нам нужны инструменты автоматической расшифровки речи?

Начнем с составления списка критериев, чтобы помочь вам подобрать подходящий инструмент АРР.

Во-первых, ответьте — чего вы пытаетесь достичь с помощью технологии АРР? От этого зависит выбор функций. Вот список сопутствующих вопросов для определения приоритетов того, что важно для вашего проекта:

• Синхронный / асинхронный. Вам нужна мгновенная транскрибация в реальном времени? Или вы используете предварительно записанные файлы, вроде MP3?
• Обозначение спикера / канала. Вам нужно в любой момент времени отметить, кто говорит (оператор колл-центра с клиентом, ведущий подкаста с гостем) или из какого канала идет звук?
• Метки времени. Нужны ли вам временные отметки для каждого слова в аудиофайле для сопоставления с внешним источником после транскрибации?
• Пользовательский словарь. Вы будете расшифровывать речь профессионалов из сферы здравоохранения, юриспруденции или другой области, где используют терминологию?
• Иностранные языки. На каких языках вы будете транскрибировать?

Вот график, с помощью которого вы можете узнать, что могут предложить четверо ведущих игроков в сфере автоматического распознавания речи с поддержкой ИИ.

Кто это делает лучше?

Определились с параметрами проекта? Теперь проведем технологический отбор, чтобы найти лучшее решение.

Для начала стоит разобраться, как сделать общую оценку точности расшифровки (Word Error Rate, WER, вероятность ошибки в слове). Разработчики приложения Descript выпустили собственную методологию, чтобы оценивать общую погрешность. У этого продукта понятная методология, аккуратный дизайн и исполнение. Согласно этому стандарту оценки, лидирующие позиции в распознавании речи занимают Google и Amazon.

Как ИИ может понимать смысл сказанного

Обратим внимание на ограничения распознавания речи. Можно получить весьма точную транскрибацию, но за текстом теряются эмоции. Мы не можем понять, с какими выражениями, интенсивностью говорил докладчик, на чем акцентировал. Всё это имеет значение.

Поэтому ИИ развивается в том направлении, чтобы не просто понимать потребности и мнения клиента, а автоматизировать это понимание. Здесь вступает в игру обработка естественного языка (NLP). NLP извлекает ключевые термины и их взаимосвязи из гор неструктурированных данных, чтобы понять и проанализировать сказанное.

Этот процесс выглядит так: преобразованные разговорные неструктурированные данные превращаются в текст, далее этому тексту придается смысл и переводится в форму, в которой можно выполнять запросы к нему, чтобы превратить в интеллектуальный анализ данных.

Будьте в курсе прогресса АРР

Итого, нет никаких сомнений, что технологии распознавания речи будут развиваться по мере роста потребностей бизнеса, а техногиганты будут и дальше вкладывать ресурсы в развитие ИИ. Если вы видите, что технологии ИИ могут радикально изменить ваш бизнес, то почему бы не заняться их внедрением?

Источник: https://www.mindovermachines.com/speech-to-text-the-future-of-unstructured-data-part-2/