在IEEE ICASSP 2024 在首爾，我們的創始人兼首席執行官衛楚 發表了一場關於使企業語音研發成本大幅降低的轉變的焦點演講：停止為人工標記和現成數據集付費，開始利用野生數據和開源基礎模型。

檢視 ICASSP 2024 計畫的演講 →

為什麼傳統的語音服務建構投資報酬率低

每個建構語音人工智慧的企業都面臨著同樣的三個誘人的捷徑。每個都有一個隱藏的投資報酬率上限：

呼叫雲API 原型製作速度快，研發成本極低。但無法針對您的產品進行定制，特定資料的性能不令人滿意，規模昂貴，每個請求都是潛在的資料外洩向量。

從供應商購買 比紙 DIY 便宜。在實踐中：來自資料+系統供應商的巨額費用，由於公司內部通訊開銷而導致的性能低於標準，並且仍然存在資料外洩風險。

像科技巨頭一樣 DIY （Alexa、Siri、Google語音搜尋） 內部堆疊、全面的資料安全 - 以及在發貨前對研發團隊、資料管理和基礎設施進行為期五年、數千萬美元的投資。

其他「廉價」替代品的情況也好不到哪裡去。海外合約團隊、現成的模擬資料集或收購陷入困境的新創公司都會犧牲投資報酬率來節省現金。

高投資報酬率的替代方案－站在大型語音模型的肩膀上

Olewave 方法有兩個轉變：

遵循縮放定律。 自 2022 年以來，科技巨頭一直在開源 CC-BY 大型語音模型——Whisper、SeamlessM4T 等。您不再需要重新發明輪子。 微調 適合您的利基市場的基礎模型，而不是從頭開始培訓。這消除了大部分研發團隊、資料管理和培訓基礎設施支出。

過濾野生資料並自動標記私人資料。 過濾後的野生數據——由人工智慧驅動的標籤系統產生的經過驗證的轉錄、時間戳和主題標籤——用於微調域 模型。然後該域模型標記您的專有的 具有置信度分數的數據。沒有人工貼標籤。沒有數據離開您的基礎設施。無違規風險。並且無需支付預模擬資料集的費用。

我們的四步驟客製化標籤流程

1. 快速啟動 — 從與客戶相同的領域中選擇野生數據，並從大型語音/語言基礎模型中微調域模型。
2. 自動標籤 — 領域模型以每個單字和每個話語的置信度分數來標記客戶的專有資料。不需要人工貼標籤—因此也不存在資料外洩風險。
3. 迭代學習 — 編譯一組標記的私有和公用數據，再次微調領域模型，然後用改進的模型重新標記私有資料。重複直到質量達到穩定水平。
4. 好去吧 — 當質量足夠時停止迭代。我們許可了 Tycho SDK，以便您可以繼續在自己的基礎架構上進行標記和建置。

為什麼這很重要

• 在沒有人工標記的情況下對特定領域模型進行監督訓練 ——企業語音專案中最大的經常性成本。
• 無資料外洩風險 — 私人資料永遠不會離開您的環境。
• 顯著降低標籤成本 ——模型來做工作；人類會審查邊緣情況。
• 相同的微調工作流程規模 隨著產品的成熟，新的領域、語言和用例。

與我們交談

如果您正在評估語音人工智慧產品的建置與購買，或試圖減少現有產品的數據標籤支出，我們很樂意進行比較。

電子郵件[email protected] 或透過網站聯繫 — 我們將在一個工作天內回覆。