في IEEE ICASSP 2024 في سيول، مؤسسنا ومديرنا التنفيذي وي تشو ألقى خطابًا مسلطًا الضوء على التحول الذي يجعل البحث والتطوير في مجال الكلام المؤسسي أرخص بشكل كبير: التوقف عن الدفع مقابل التصنيف البشري ومجموعات البيانات الجاهزة، والبدء في تسخير البيانات البرية ونماذج الأساس مفتوحة المصدر.

شاهد الحديث عن برنامج ICASSP 2024 →

لماذا تكون إصدارات خدمات الكلام التقليدية ذات عائد استثمار منخفض؟

تواجه كل مؤسسة تقوم ببناء الذكاء الاصطناعي الصوتي نفس الاختصارات الثلاثة المغرية. ولكل منها سقف خفي لعائد الاستثمار:

استدعاء واجهات برمجة التطبيقات السحابية سريع في إنشاء النموذج الأولي، وتكلفة صغيرة للبحث والتطوير. ولكنها غير قابلة للتخصيص حسب منتجك، وأداء غير مرضٍ فيما يتعلق ببياناتك المحددة، ومكلفة على نطاق واسع، وكل طلب يمثل ناقلًا محتملاً لخرق البيانات.

شراء من البائعين أرخص من DIY على الورق. من الناحية العملية: فواتير كبيرة من موردي البيانات + النظام، وأداء دون المستوى بسبب أعباء الاتصالات داخل الشركة، ولا يزال هناك خطر خرق البيانات.

DIY مثل عملاق التكنولوجيا (أليكسا، سيري، البحث الصوتي من جوجل) مكدس داخلي، وأمان كامل للبيانات - واستثمار لمدة خمس سنوات بعشرات الملايين في فريق البحث والتطوير، وتنظيم البيانات، والبنية التحتية قبل الشحن.

أما البدائل "الرخيصة" الأخرى فليست أفضل حالا. ففرق العقود الخارجية، أو مجموعات البيانات المحاكاة الجاهزة، أو الحصول على شركة ناشئة تكافح، كلها تضحي بعائد الاستثمار لتوفير المال.

البديل ذو عائد الاستثمار المرتفع – الوقوف على أكتاف نماذج الكلام الكبيرة

هناك تحولان يدعمان نهج Olewave:

ركوب قانون التحجيم. منذ عام 2022، أصبح عمالقة التكنولوجيا مفتوحي المصدر لنماذج الكلام الكبيرة CC-BY - Whisper وSeamlessM4T والمزيد. لم تعد بحاجة إلى إعادة اختراع العجلة. ضبط دقيق نموذج أساسي لمكانتك بدلاً من التدريب من الصفر. وهذا يلغي معظم إنفاق فريق البحث والتطوير، وتنظيم البيانات، والبنية التحتية للتدريب.

تصفية البيانات البرية وتسمية البيانات الخاصة تلقائيًا. يتم استخدام البيانات البرية التي تمت تصفيتها - النسخ التي تم التحقق من صحتها، والطوابع الزمنية، وعلامات الموضوع التي ينتجها نظام التصنيف القائم على الذكاء الاصطناعي - لضبط المجال نموذج. يقوم نموذج المجال هذا بعد ذلك بتسمية ملف الملكية البيانات مع درجات الثقة. لا توجد ملصقات بشرية. لا توجد بيانات تترك البنية التحتية الخاصة بك. لا يوجد خطر الاختراق. ولا توجد فواتير لمجموعات البيانات المحاكاة مسبقًا.

خط أنابيب وضع العلامات المخصص المكون من أربع خطوات

1. القفز ابدأ - تحديد البيانات البرية من نفس المجال الخاص بالعميل، وضبط نموذج المجال من نموذج أساس كبير للكلام/اللغة.
2. التسمية التلقائية - يقوم نموذج المجال بتسمية البيانات الخاصة بالعميل بدرجات ثقة لكل كلمة وكل كلام. ليست هناك حاجة لواضعي العلامات البشرية، لذلك لا يوجد أيضًا خطر خرق البيانات.
3. تعلم بشكل متكرر - تجميع مجموعة من البيانات الخاصة والعامة المصنفة، وضبط نموذج المجال مرة أخرى، ثم إعادة تسمية البيانات الخاصة باستخدام النموذج المحسن. كرر حتى هضاب الجودة.
4. جيد للذهاب - إيقاف التكرار عندما تكون الجودة كافية. نحن نرخص Tycho SDK الخاص بنا حتى تتمكن من الاستمرار في وضع العلامات والبناء على البنية التحتية الخاصة بك.

لماذا هذا مهم

• التدريب الخاضع للإشراف على النماذج الخاصة بالمجال دون الحاجة إلى أدوات وضع العلامات البشرية - أكبر تكلفة متكررة في مشاريع الكلام الخاصة بالمؤسسات.
• لا يوجد خطر خرق البيانات - البيانات الخاصة لا تترك بيئتك أبدًا.
• انخفاض تكلفة وضع العلامات بشكل ملحوظ — النماذج تقوم بالعمل؛ يقوم البشر بمراجعة حالات الحافة.
• نفس مقاييس سير العمل الدقيقة إلى المجالات واللغات وحالات الاستخدام الجديدة مع نضوج منتجك.

التحدث معنا

إذا كنت تقوم بتقييم البناء مقابل الشراء لأحد منتجات الذكاء الاصطناعي الصوتي، أو تحاول تقليل الإنفاق على تصنيف البيانات على منتج موجود، فنحن نود مقارنة الملاحظات.

البريد الإلكتروني [email protected] أو التواصل عبر الموقع — سنرد خلال يوم عمل واحد.