چند ماه پیش، داده‌های خصوصی را به تابلوی ارزیابی Open ASR Leaderboard اضافه کردیم: ۱۱ بخش از Appen و DataOceanAI که گفتار خوانده‌شده و محاوره‌ای را با پنج لهجه پوشش می‌داد (وبلاگ). بازخورد جامعه کاربران بسیار خوب بود و بسیاری بر اهمیت مجموعه‌های کنارگذاشته برای ارزیابی قابل‌اتکا تأکید کردند. از آن زمان، یک بخش خصوصی دیگر هم برای انگلیسی با لهجه هندی با Voice Arena اضافه کرده‌ایم (وبلاگ).

خوشحالیم که از همکاری تازه‌ای با Liva AI خبر دهیم؛ همکاری‌ای برای افزودن داده‌های خصوصی بیشتر با دو لهجه جدید: مصری 🇪🇬 و نیجریه‌ای 🇳🇬.

مجموعه‌داده | لهجه | مدت [ساعت] | سبک | رونویسی

Liva AI Conversational EG | مصری | ۱.۳۴ | محاوره‌ای، خودانگیخته | با علائم نگارشی، حروف بزرگ و کوچک، همراه با ناروانی‌ها.

Liva AI Conversational NG | نیجریه‌ای | ۱.۵۵ | محاوره‌ای، خودانگیخته | با علائم نگارشی، حروف بزرگ و کوچک، همراه با ناروانی‌ها.

این کار بخشی از تلاش مستمر ما برای بهبود بازنمایی در ارزیابی‌های تشخیص گفتار خودکار (ASR) است؛ یعنی پوشش لهجه‌ها و زبان‌های بیشتر و افزایش اعتماد از طریق داده‌های خصوصی تازه برای کاهش بیش‌برازش به بنچمارک و بهره‌گیری از ارائه‌دهندگان داده جدید. مشتاقیم ببینیم جامعه کاربران همچنان عملکرد ASR را برای همه جهان ارتقا می‌دهد 🤗

تفکیک غنی‌تر لهجه‌ها در زبانهٔ Private

با افزودن این لهجه‌های جدید، اکنون می‌توانیم بر اساس مدل سه‌حلقه‌ای Kachru تفکیک غنی‌تری از لهجه‌ها ارائه دهیم (با سپاس از Hume AI برای این ایده در تابلوی ارزیابی خود). تابلوی ارزیابی Open ASR Leaderboard از این پس این موارد را گزارش می‌کند:

آمریکا در برابر غیرآمریکا (بریتانیا، استرالیا، کانادا، هند، نیجریه، مصر)

حلقه درونی (آمریکا، بریتانیا، استرالیا، کانادا) در برابر حلقه‌های بیرونی و گسترش‌یابنده (هند، نیجریه، مصر)

هرچه لهجه‌های بیشتری اضافه شوند، حلقه‌های بیرونی و گسترش‌یابنده را تفکیک خواهیم کرد.

تصویر بندانگشتی
تصویر بندانگشتی
برای مشاهدهٔ جزئیات، تصویر را باز کنید

درباره Liva AI

Liva AI داده‌های تعامل چندوجهی را از طریق محصولات مصرفی‌ای جمع‌آوری می‌کند که افراد واقعی از آن‌ها استفاده می‌کنند. چون Liva هم محیط جمع‌آوری داده و هم توزیع آن را در اختیار دارد، می‌تواند محصولات را بر اساس شکاف‌های مشخص مدل‌ها در حوزه‌ها، صنایع، زبان‌ها، وجه‌ها و انواع تعامل طراحی کند. این موضوع دسترسی آن را به رفتار طبیعی و پرزمینه‌ای که در استفاده واقعی از محصول شکل می‌گیرد فراهم می‌کند، نه تعامل‌هایی که به‌صورت مصنوعی برانگیخته یا مبتنی بر وظیفه ساخته شده‌اند.

منبع: Hugging Face

متن و تصاویر اصلی از منبع بالا. ترجمه و ویرایش در دیجیتال سرآمد.