-
-
-
Av branschen
-
Efter användningsfall
-
-
Företag
Bygg ständigt lyssnande röstappar med anpassad träningsdata för väckningsord. Högre detekteringsnoggrannhet, färre falska aktiveringar.
Röstassistenter har dramatiskt förändrat hur kunder interagerar med sina enheter. De har gjort det lättare för användare att utforska produkter och tjänster – snabbt och effektivt. Men lyssnar röstapplikationen? För att sätta dessa applikationer i hög drift måste de väckas och övergå från passivt till aktivt lyssnande med hjälp av WAKE WORDS. "Alexa" och "Hej Siri" är två av de mest populära vakna orden i världen.
År 2024 förväntas antalet digitala röstassistenter nå 8.4 miljarder enheter – mer än världens befolkning.
Marknaden för röstassistentappar förväntas öka från 2.8 miljarder dollar år 2021 till 11.2 miljarder dollar år 2026, med en årlig tillväxttakt (CAGR) på 32.4 %.
Ett väckningsord är ett specifikt ord eller en fras, till exempel "Hej Siri", "Okej Google" och "Alexa", utformat för att aktivera en röstaktiverad enhet att svara när den yttras. Ett ständigt lyssnande väckningsord som är lokalt integrerat med enheten minskar dock svarstiden drastiskt och ökar identifierings- och bearbetningsnoggrannheten för väckningsordet även utan internetanslutning. Shaip samlar in träningsdata för väckningsord på över 100 språk, olika accenter, åldersgrupper och verkliga bullermiljöer för att maximera detekteringsnoggrannheten och minimera falska aktiveringar. De är också kända som:
Med Shaips erbjuder alltid lyssnande wake word-träning, är dina röstassistentmodeller alltid inställda för att lyssna efter wake word, men utan att faktiskt spela in eller överföra data till molnet. Att samarbeta med Shaip ger dig fördelen av att arbeta med experter. Med vår långa erfarenhet av att använda AI- och ML-teknik vid utveckling av röstassistentutbildning hjälper vi dig att eliminera integritetsrisker, förbättra användarupplevelsen, minska utvecklingskostnaderna och förbättra skalbarheten.
Shaip bygger träningsdata för heltäckande aktiveringsord så att kunderna kan säga ditt varumärkesnamn – inte en generisk assistent. Varje dataset är anpassat till din exakta aktiveringsfras, vilket förstärker varumärkesherinnandet med varje interaktion och håller röstupplevelsen inom ditt eget ekosystem.
Shaip stöder ständigt lyssnande wake word-modeller som körs på enheten utan att spela in eller överföra ljud till molnet. Träningsdata för wake word på enheten minskar latens, minskar integritetsrisken och gör att detekteringen fungerar tillförlitligt även utan internetanslutning.
Shaip samlar in yttranden från väckaord på över 100 språk och regionala accenter – skotsk, kanadensisk, australisk, indisk engelska och fler – så att detekteringsnoggrannheten gäller för globala användarbaser istället för att försämras för icke-modersmålstalare.
Shaip samlar in data om väckningsord i tysta, bullriga, i bilar, utomhus och på avstånd. Träning på verkliga akustiska variationer minskar falska avvisningar när användare talar på avstånd eller i bakgrundsljud.
Utöver det aktiva ordet tillhandahåller Shaip data för yttrande- och frasidentifiering så att enheter bearbetar längre kommandon i naturligt språk med låg latens. Inbäddad nyckelordsidentifieringsdata stöder bearbetning i webbläsare och på chip för hög noggrannhet och integritet.
Olika fonem skapar generellt en mer distinkt signatur och säkerställer bättre noggrannhet i resultaten. Välj därför fraser i din data som producerar olika ljud.
Gör vakna ord mer effektiva genom att sätta på dem med prefix som "Hej", "Hej", "Hej" eller "OK". Det kommer att hålla det vakna ordet entydigt och säkerställa att ingen oavsiktlig matchning inträffar när du använder triggerord i vanligt tal.
Gör dina vakna ord till en kombination av minst sex fonem som är lätta att urskilja av en maskin och lätta att säga av människor. Till exempel har "Alexa" sex fenomen medan "Ok Google" har åtta fenomen.
Gör inte misstaget att använda ett enda ord som ditt vakna ord. Vakna ord måste vara tillräckligt långa för att vara distinkta.
Se till att de utlösande orden som du skapar måste vara enkla och unika så att de lätt kan kommas ihåg.
Längre väckningsfraser med flera ord är svåra att uttala och gör processen onödigt svårare.
En wake word-modell är i allmänhet tränad att känna igen ett nej. av olika yttranden, så att den kan svara på olika åkallanden. Men att ha för många distinkta wake-ord kan helt enkelt aktivera talpipelinen utan att du vet vilket yttrande användaren talade.
Faktorer som brus, avstånd och variationer i accenter och språk gör exakt hotword-detektering svårare och komplicerad för din AI-modell.
Vår erfarenhet av röstteknik hjälper oss att snabbt utveckla skräddarsydda wake-ord som alltid lyssnar och varumärkes wake-fraser. Med röstigenkänning i kombination med förståelse för naturlig språkbehandling hjälper ML-algoritmer att transkribera tal och utföra röstkommandon effektivt.
Vi fokuserar på att snabbt utveckla wake word-prototyper för att säkerställa anpassning av varumärkesordet. En prototyp fungerar som ett proof of concept och hjälper till med korrekt utbildning, snabbare tid till marknaden, accelererad testning och eliminering av risker.
Upplev oavbruten tillväxt och obehindrat kundengagemang med en exceptionell röstassistent. Vi tillhandahåller flerspråkig taligenkänningsfunktioner så att applikationen kan hitta ord och fraser exakt även i miljöer med högt brus.
Det är ett sätt att samla in avgörande användardata som deras identitet, ursprungsland, ålder, kön, språk, accenter etc. Datadiversitet används för att förbättra användarorienterade algoritmer för att uppnå mer exakta resultat.
Data tenderar vanligtvis att generera inbyggda fördomar. Därför, när vi samlar in data från olika källor, minskar biasen i resultaten avsevärt.
Här är några parametrar för datadiversitet som Shaip adresserar när han bygger vakna ord och andra konversationskommandon.
| Ras och etnicitet | Hindu, muslim, kristen, afrikaans, européer |
| Utbildningsnivå | Grundutbildning, Graduate, Ph.D., Masters |
| Land | Kina, Japan, Indien, Korea, Dubai, Nigeria, USA, Kanada |
| Sex | Man kvinna |
| Ålder | Mindre än 10 år, 10–15, 15–25, 25–45, 45 år och äldre |
| Språk | engelska, japanska, turkiska, kinesiska, thailändska, hindi |
| Miljö | Tyst, Bullrigt, Bakgrundsmusik, Bakgrundsljud/tal, Inomhus, Utomhus, Teater, Stadion, Cafeteria, I bil, Kontor, Köpcentrum, Hembuller, Trappa, Gata/Väg, Havsnära (Blåsigt) |
| Accenter (engelska) | Skotsk engelska, walesisk engelska, hiberno-engelska, kanadensisk engelska, australisk engelska, nyzeeländsk engelska |
| Talstil | Snabb/Normal/Långsam hastighet, Hög/Normal/Låg volym, Formell/Ledig |
| Enhetspositioner | Handdator, Desktop |
Väckningsordsdata för högtalare, TV-apparater och apparater som måste aktiveras direkt och avvisa bakgrundsljud.
Fjärrfälts, brusrobusta wake word-datauppsättningar för handsfree-assistenter i kabinen.
Lågt fotavtryck för wake word-data för enheter som alltid är påslagna och har begränsad batteridrift.
Anpassade data för väckningsord och yttranden för att lokalisera assistenter över olika språk och dialekter.
Integritetsprioriterat, väckningsordsdata på enheten för handsfree-användning i kliniska och patientmiljöer.
Multimodala väckningsord och kommandodata för robotar som svarar i realtid utan molnet.
Shaip samarbetar med dig för att välja ett fonetiskt distinkt, varumärkesanpassat väckarord och definiera riktlinjer för insamling.
Shaips globala arbetsstyrka registrerar väckarordet för alla språk, accenter, åldrar, enheter och bullriga miljöer som krävs.
Varje yttrande transkriberas, märks och kvalitetskontrolleras mot dina acceptanskriterier.
Shaip levererar strukturerad, policystyrd träningsdata för wake words formaterad för din modellpipeline.
För att effektivt implementera ditt AI -initiativ behöver du stora volymer specialiserade utbildningsdatauppsättningar. Shaip är ett av de få företag på marknaden som säkerställer tillförlitliga utbildningsdata i världsklass i stor skala som uppfyller lagkrav/ GDPR-krav.
Skapa, kurera och samla specialbyggda datamängder (text, tal, bild, video) från över 100 länder över hela världen baserat på anpassade riktlinjer.
Utnyttja vår globala personalstyrka på mer än 30,000 erfarna och godkända bidragsgivare. Flexibel uppgiftsuppgift och arbetskraftskapacitet i realtid, effektivitet och övervakning av framsteg.
Vår egen plattform och skicklig arbetskraft använder flera metoder för kvalitetskontroll för att uppfylla eller överträffa kvalitetsstandarder för uppsamling av AI-utbildningsdataset.
Vår process effektiviserar, insamlingsprocessen genom enklare uppgiftsfördelning, hantering och datafångst direkt från app- och webbgränssnittet.
Behåll fullständig datakonfidentialitet genom att göra sekretess till vår prioritet. Vi ser till att dataformat kontrolleras och bevaras.
Kurerad domenspecifik data som samlats in från branschspecifika källor baserat på riktlinjer för insamling av kunddata.
Shaip erbjuder end-to-end tal-/ljuddatainsamlingstjänster på över 150+ språk för att möjliggöra röstaktiverad teknik för att tillgodose en mångfald av publik över hela världen.
Chatboten du pratade med körs på ett avancerat konversations-AI-system som är tränat, testat och byggt med hjälp av massor av taligenkänningsdatauppsättningar. Det är den grundläggande processen bakom tekniken som gör maskiner intelligenta
Behovet av Utterance-träning uppstår eftersom inte alla kunder använder de exakta orden eller fraserna när de interagerar eller ställer frågor till sina röstassistenter i ett manusformat.
Stärka team för att bygga världsledande AI-produkter.
Ett väckningsord är ett specifikt ord eller en fras – till exempel ”Alexa”, ”Okej Google” eller en specialdesignad fras – som aktiverar en röstaktiverad enhet och växlar från passiv till aktiv lyssning. Enheten lyssnar kontinuerligt lokalt efter väckningsordet och börjar inte bearbeta en begäran förrän väckningsordet har upptäckts.
Träningsdata för väckningsord är den märkta uppsättningen talade inspelningar som används för att lära en modell att känna igen sin aktiveringsfras. Effektiva träningsdata för väckningsord omfattar många talare, accenter, åldrar, enheter och brusförhållanden så att modellen utlöses tillförlitligt samtidigt som den avvisar tal med liknande ljud.
Ett väckningsord fungerar genom att köra en liten, ständigt lyssnande detekteringsmodell som skannar inkommande ljud efter målfrasen. När modellen matchar väckningsordet med tillräcklig säkerhet aktiveras enheten och börjar bearbeta användarens begäran med hjälp av taligenkänning och naturlig språkbehandling.
Ett starkt anpassat väckningsord använder olika fonem, innehåller minst tre till fyra stavelser och undviker vanliga vardagsord för att minska falska aktiveringar. Att lägga till ett prefix som "Hej" eller "OK" förbättrar särskiljningsförmågan. Shaip hjälper till att välja och validera väckningsord under projektinstallationen.
Ja. Aktiveringsmodellen för väckningsord på enheten körs lokalt, så ljud spelas inte in eller skickas till molnet. Detta minskar latensen, skyddar integriteten och gör att detekteringen fortsätter att fungera offline. Shaip samlar in träningsdata som är specifikt anpassade för driftsättning på enheten och i inbäddade system.
Shaip samlar in data om träning av väckaord på fler än 100 språk och med en mängd olika regionala accenter, hämtade från en global arbetsstyrka i fler än 100 länder. Denna bredd minskar noggrannhetsskillnader för icke-modersmålstalare och stöder globala produktlanseringar.
Shaip tillämpar flera kvalitetskontroller – transkriberingsgranskning, acceptanskriterier och personalövervakning – så att datamängderna uppfyller målnoggrannheten före leverans. Mångsidig, högkvalitativ data minskar både andelen falska acceptanser och falska avvisningar i den driftsatta modellen.
Ett väckningsord aktiverar enheten; ett yttrande är den talade begäran som följer. Väckningsordsdetektering är en smal uppgift som alltid är påslagen, medan yttrandeförståelse innebär att tolka varierande frasering i naturligt språk. Shaip tillhandahåller träningsdata för både väckningsordsdetektering och yttrandeinsamling.
Ett yttrande är en fras som en användare säger för att göra en begäran till röstkommandoprogram. Programvaran identifierar användarens avsikt utifrån yttrandet och svarar därefter. Till skillnad från en fullständig mening är ett yttrande en talenhet som kanske inte förmedlar en fullständig tanke och ofta innehåller pauser. Exempel: ”Visa mig den senaste filmen – den som släpptes förra veckan” eller ”Är butiken på 22nd Street öppen nu?”
Ett anropsnamn är det nyckelord som används för att utlösa en specifik "färdighet" i röstprogramvara. Det kan innehålla namn på personer eller platser och kombineras med en åtgärd, ett kommando eller en fråga. Varje anpassad färdighet behöver ett anropsnamn för att starta den.
Väckningsord kallas även triggerord, heta ord, aktiveringsord, anropsord, väckningsfraser och yttranden.
Alexa använder flera inbyggda mikrofoner för att upptäcka sitt väckningsord samtidigt som den filtrerar bort bakgrundsljud. För att förhindra falska positiva och negativa resultat börjar den bara aktivt lyssnande efter att ha upptäckt "Alexa".
