今年の主要な信号処理カンファレンスのスポンサー

Olewave はパトロンおよび出展者でした。 IEEE ICASSP 2024 ソウルでは、Meta、Google、Samsung、Apple、ByteDance、Adobe、MathWorks などと並んでいます。 完全なパトロンリストを見る →

音声、データ、音声AIについてブースにお立ち寄りいただいた皆様、誠にありがとうございました。

創業者兼CEOによるスポットライトトーク

Olewave の創設者兼 CEO である Wei Chu 氏は、カンファレンス中に次のようなスポットライトトークを行いました。

カスタマイズされた音声関連サービスのコスト効率の高い開発のために、自然のままのデータを利用する

抽象的。 私たちは最近、Web から取得した大規模な音声データセットを使用してトレーニングされたモデルが、従来の人間によるラベル付けやシミュレートされた音声データセットよりも優れた精度を実現し、潜在的に低コストを達成できることを発見しました。私たちは、カスタマイズ可能な AI 駆動のデータラベル付けシステムを開発しました。信頼スコアを使用して単語レベルの書き起こしを推測し、教師あり ASR トレーニングを可能にします。また、転写または認識エラーが存在する場合でも電話レベルのタイムスタンプを確実に生成し、TTS モデルのトレーニングを容易にします。さらに、シナリオ、アクセント、言語、トピックタグなどのラベルをデータに自動的に割り当て、タスク固有のデータを選択して、その特定のタスクに合わせたモデルをトレーニングできるようにします。

次のようなオープンソースの大規模音声モデルを微調整することで、データセットの有効性を評価しました。 ささやき そして シームレスM4T そして結果として得られるメトリクスを分析します。オープンに利用可能なデータに加えて、当社のデータ処理システムは、信頼できるラベルを提供するようにカスタマイズできます。 独自のデータ 特定の垂直ドメインからのラベル付け — 人間のラベラーなしでドメイン固有のモデルの教師付きトレーニングを可能にし、データ侵害のリスクを排除し、ラベル付けコストを大幅に削減します。

ICASSP 2024 サイトで講演の詳細を表示 →

私たちが披露したもの

音声データセット

• 大規模 — 最大数百万時間
• 現実世界のシナリオ — 会議、電話、会話、自然な会話
• 検証済みの逐語的転写 単語レベルおよび発話レベルの信頼性
• 複数言語および複数地域 — ブラジルポルトガル語、ラテンアメリカスペイン語、アラビア語、東南アジア言語、中国語、日本語、韓国語を積極的に収集しています
• 多様なトピック — ファッション、エンターテイメント、ヘルスケアなど

ASR 以外にも、以下のコーパスも作成しています。 会議の要約、 音声合成と音声クローン作成、そして 評価専用セット 独自のモデルのベンチマークに使用します。お届けします 高忠実度オーディオ/ビデオ リアルな音声とトーキングヘッド合成を実現します。

独自のデータラベル付けのためのオーダーメイドのソリューション

当社の 4 ステップのパイプラインにより、人間のラベル作成者に公開することなく機密データにラベルを付けることができます。

1. ジャンプスタート — 大規模な音声/言語基盤モデルから始めて、自分のドメインに一致するドメインのワイルド データに基づいてドメイン モデルを微調整します。
2. 自動ラベル付け — ドメイン モデルは、独自のデータに信頼スコアを付けてラベルを付けます。人間のラベル付け担当者はいません。データ侵害のリスクはありません。
3. 繰り返し学習する — ラベル付きのプライベートデータとパブリックデータを組み合わせてモデルを鮮明にし、プライベートデータをより良いバージョンでラベル付けし直します。
4. グッド・トゥ・ゴー — 品質が停滞した場合、当社はライセンスを取得します。 ティコSDK そのため、独自のインフラストラクチャ上にラベルを付けて構築し続けることができます。

Tycho — 社内音声サービス用の SDK

ティコ は、高い ROI の社内音声製品を構築するチーム向けに、ICASSP で展示した SDK です。

• いつも 最先端の モデルの精度と推論速度の点で
• トレーニング、微調整、評価、導入のサポート
• 利用可能なモデル: オンライン/オフライン ASR、音声評価、音声クローン作成 — リクエストに応じて新しいモデルも利用可能
• 実行します 控えめな GPU ワークステーション コストを低く抑えるために
• すべてのトレーニング、微調整、評価、および展開コード クライアントに納品されます

競争力のあるサービス料金:

• 垂直ドメインモデルを最高の品質に微調整する
• 不良事例の詳細な分析による、開始されたサービスの修正と改善
• 音声研究開発プロジェクトに関する ML エンジニア向けの実践的なトレーニング

ティコは オープンソースではない。 ライセンスの見積もりとサービス料金については、お問い合わせください。

次回は私たちを見つけに来てください

ソウルでの私たちの講演を見逃した方も、今年後半にはさらに多くのカンファレンスに参加する予定です。までメールでお問い合わせください [email protected] または ウェブサイト経由で連絡する — データセット、カスタム モデル、コンサルティングについては、1 営業日以内に返答いたします。