-
-
החברה
בנה אפליקציות קוליות שמקשיבות תמיד עם נתוני אימון מילות התעוררות מותאמים אישית. דיוק זיהוי גבוה יותר, פחות הפעלות שגויות.
עוזרי קול שינו באופן דרמטי את הדרך שבה לקוחות מתקשרים עם המכשירים שלהם. הם הקלו על המשתמשים לחקור מוצרים ושירותים - במהירות וביעילות. עם זאת, האם האפליקציה הקולית מקשיבה? כדי להכניס את האפליקציות הללו ל-high drive, יש להעיר אותן ולעבור מהאזנה פסיבית לאקטיבית בעזרת WAKE WORDS. "אלכסה" ו"היי סירי" הן שתיים ממילות הערות הפופולריות ביותר בעולם.
עד שנת 2024, מספר מסייעי הקול הדיגיטליים צפוי להגיע ל -8.4 מיליארד יחידות - יותר מאוכלוסיית העולם.
גודל שוק אפליקציות העוזרות הקוליות צפוי לגדול מ -2.8 מיליארד דולר בשנת 2021 ל -11.2 מיליארד דולר בשנת 2026, בקצב צמיחה שנתי ממוצע (CAGR) של 32.4%.
מילת ערה היא מילה או ביטוי ספציפיים כמו 'היי סירי', 'אוקיי גוגל' ו-'אלקסה'; נועדו להפעיל מכשיר המופעל קולי להגיב כאשר הוא נאמרים. עם זאת, מילת ערה שתמיד מקשיבה ומשולבת באופן מקומי עם המכשיר מפחיתה את זמן התגובה באופן דרסטי ומגבירה את דיוק הזיהוי והעיבוד של מילת ההערה גם ללא חיבור לאינטרנט. Shaip אוספת נתוני אימון מילות ערה על פני 100+ שפות, מבטאים מגוונים, קבוצות גיל וסביבות רעש אמיתיות כדי למקסם את דיוק הזיהוי ולמזער הפעלות שגויות. הן ידועות גם כ:
עם ה-Shaip's מציע אימון מילות ערות מקשיבות תמיד, דגמי העוזרים הקוליים שלך מכוונים תמיד להאזין למילת ההתעוררות, אך מבלי להקליט או לשדר נתונים לענן. שיתוף הפעולה עם שייפ נותן לך את היתרון בעבודה עם מומחים. עם הניסיון הרב שלנו בשימוש בטכנולוגיית AI ו-ML בפיתוח הדרכה לעוזרים קוליים, אנו עוזרים לך לחסל סיכוני פרטיות, לשפר את חווית המשתמש, להפחית את עלויות הפיתוח ולשפר את המדרגיות.
שייפ בונה נתוני אימון עבור מילות פתיחה ממותגות במלואן, כך שלקוחות יגידו את שם המותג שלכם - ולא עוזר גנרי. כל מערך נתונים מותאם לביטוי ההפעלה המדויק שלכם, מה שמחזק את זכירת המותג בכל אינטראקציה ושומר על חוויית הקול בתוך המערכת האקולוגית שלכם.
Shaip תומך במודלים של מילות ערה (wake words) המקשיבים תמיד, הפועלים על המכשיר מבלי להקליט או לשדר אודיו לענן. נתוני אימון מילות ערה במכשיר מפחיתים את זמן ההשהיה, מפחיתים את סיכון הפרטיות ושומרים על תפקוד אמין של הזיהוי גם ללא חיבור לאינטרנט.
Shaip אוספת אמירות של מילות מפתח ביותר מ-100 שפות ומבטאים אזוריים - סקוטית, קנדית, אוסטרלית, אנגלית הודית ועוד - כך שדיוק הזיהוי נשמר על פני בסיסי משתמשים גלובליים במקום לרדת עבור דוברי שפת אם שאינם ילידיים.
Shaip לוכדת נתוני מילות התעוררות בתנאים שקטים, רועשים, בתוך הרכב, בחוץ ובשטח רחוק. אימון על וריאציות אקוסטיות בעולם האמיתי מפחית דחיות שווא כאשר משתמשים מדברים מרחוק או ברעש רקע.
מעבר למילת ההעברה, Shaip מספק נתוני זיהוי ביטויים וביטויים כך שהמכשירים יעבדו פקודות ארוכות יותר בשפה טבעית עם השהייה נמוכה. נתוני זיהוי מילות מפתח מוטמעים תומכים בעיבוד בדפדפן ובשבב לדיוק ופרטיות גבוהים.
פונמות שונות יוצרות בדרך כלל חתימה ברורה יותר ומבטיחות דיוק טוב יותר בתוצאות. לפיכך, בחר ביטויים בנתונים שלך המייצרים צלילים שונים.
הפוך את מילות התעוררות ליעילות יותר על ידי הצמדתן עם קידומות כמו "היי", "שלום", "היי" או "בסדר". זה ישמור על מילת ההתעוררות חד משמעית ויבטיח שלא תתרחש התאמה מקרית בעת שימוש במילת טריגר בדיבור רגיל.
הפוך את מילות הערות שלך לשילוב של לפחות שש פונמות שניתן להבחין בקלות על ידי מכונה וקל לומר על ידי בני אדם. לדוגמה, ל-"Alexa" יש שש תופעות ואילו ל-"Ok Google" יש שמונה תופעות.
אל תעשה את הטעות להשתמש במילה אחת בתור מילת הערות שלך. מילות התעוררות חייבות להיות ארוכות מספיק כדי להיות מובחנות.
ודא שמילות ההפעלה שאתה יוצר חייבות להיות פשוטות וייחודיות כדי שניתן יהיה לזכור אותן בקלות.
קשה לבטא ביטויים ארוכים יותר של ערות מרובות מילים והופכים את התהליך לקשה יותר שלא לצורך.
מודל מילת ערות מאומן בדרך כלל לזהות לא. של אמירות שונות, כדי שיוכל להגיב לקריאות שונות. עם זאת, יותר מדי מילות ערות שונות יכולות פשוט להפעיל את צינור הדיבור מבלי שתדע איזו אמירה דיבר המשתמש.
גורמים כמו רעש, מרחק ושונות במבטאים ובשפה הופכים את זיהוי מילות העזר המדויק לקשה ומורכב יותר עבור מודל הבינה המלאכותית שלך.
הניסיון שלנו בטכנולוגיית הקול עוזר לנו לפתח מילות ערות מותאמות תמיד להאזנה וביטויי ערה ממותגים במהירות. עם זיהוי קול במקביל להבנת עיבוד שפה טבעית, אלגוריתמי ML עוזרים לתמלל דיבור ולבצע פקודות קוליות ביעילות.
אנו מתמקדים בפיתוח מהיר של אבות-טיפוס של Wake Word כדי להבטיח התאמה אישית של המילה הממותגת. אב טיפוס משמש כהוכחה לקונספט ומסייע בהדרכה מדויקת, זמן מהיר יותר לשוק, בדיקות מואצות וביטול סיכונים.
חווה צמיחה ללא הפרעה ומעורבות ללא הפרעה של לקוחות עם עוזר קול יוצא דופן. אנו מספקים יכולות זיהוי דיבור רב לשוני כך שהאפליקציה יכולה לזהות במדויק מילים וביטויים גם בסביבות רעש גבוה.
זוהי דרך לאסוף נתוני משתמשים חיוניים כגון זהותם, ארץ מוצאם, גילם, מין, שפה, מבטאים וכו'. גיוון הנתונים משמש לשיפור אלגוריתמים מוכווני משתמש כדי להשיג תוצאות מדויקות יותר.
נתונים בדרך כלל נוטים ליצור הטיות מובנות. לכן, כאשר אנו אוספים נתונים ממקורות מגוונים, ההטיה בתוצאות מצטמצמת באופן משמעותי.
להלן כמה פרמטרים של גיוון נתונים ששייפ מתייחס אליהם בזמן בניית מילות ערות ופקודות שיחה אחרות.
| גזע ואתניות | הינדו, מוסלמי, נוצרי, אפריקאנס, אירופאים |
| רמת השכלה | תואר ראשון, בוגר, Ph.D., תואר שני |
| מדינה | סין, יפן, הודו, קוריאה, דובאי, ניגריה, ארה"ב, קנדה |
| מִין | זכר נקבה |
| גיל | פחות מ-10 שנים, 10-15, 15-25, 25-45, 45 שנים ומעלה |
| שפה | אנגלית, יפנית, טורקית, סינית, תאילנדית, הינדית |
| סביבה | שקט, רועש, מוזיקת רקע, צליל/דיבור רקע, פנים, חוץ, תיאטרון, אצטדיון, קפיטריה, ברכב, משרד, קניון, רעש ביתי, מדרגות, רחוב/כביש, צד ים (סוער) |
| מבטאים (אנגלית) | אנגלית סקוטית, אנגלית וולשית, אנגלית היברנית, אנגלית קנדית, אנגלית אוסטרלית, אנגלית ניו זילנדית |
| סגנון דיבור | מהירות מהירה/רגילה/איטית, עוצמת קול גבוהה/רגילה/חלשה, פורמלי/קז'ואל |
| מיקומי מכשיר | כף יד, שולחן עבודה |
נתוני מילות השכמה עבור רמקולים, טלוויזיות ומכשירים שחייבים להפעיל את עצמם באופן מיידי ולדחות רעשי רקע.
מערכי נתונים של מילות ערה בשדה רחוק, עמידים בפני רעש, עבור עוזרים ללא שימוש בידיים בתא הנוסעים.
נתוני מילת ערה בעלי טביעת רגל נמוכה עבור מכשירים דלוקים תמידית ומוגבלים בסוללה.
נתוני מילות התעוררות מותאמים אישית כדי להתאים עוזרים לשפות ודיאלקטים שונים.
נתוני "התעוררות" במכשיר, שמתמקדים בפרטיות, עבור הגדרות קליניות ומטופלים ללא שימוש בידיים.
נתוני פקודות ומילות התעוררות רב-מודאליות עבור רובוטים המגיבים בזמן אמת ללא הענן.
שייפ עובד איתך כדי לבחור מילת התעוררות (wake word) ייחודית פונטית ומותאמת למותג ולקבוע הנחיות איסוף.
כוח העבודה הגלובלי של Shaip מקליט את מילת ההשראה (wake word) בשפות, מבטאים, גילאים, מכשירים וסביבות רועשות נדרשות.
כל אמירה מתועתקת, מתויגת ונבדקת איכות מול קריטריוני הקבלה שלך.
Shaip מספק נתוני אימון של Wake Word מובנים ומבוקרי מדיניות, המעוצבים עבור צנרת המודלים שלך.
כדי לפרוס ביעילות את יוזמת ה- AI שלך, תזדקק לכמויות גדולות של מערכי נתונים מיוחדים. שייפ היא אחת החברות הבודדות בשוק המבטיחות נתוני הכשרה ברמה עולמית ואמינה בקנה מידה העומד בדרישות הרגולציה/ GDPR.
צור, אוצר ואסף מערכי נתונים שנבנו בהתאמה אישית (טקסט, דיבור, תמונה, וידאו) מ -100 מדינות ברחבי העולם על סמך הנחיות מותאמות אישית.
נצל את כוח האדם העולמי שלנו המונה 30,000 תורמים מנוסים ובעלי תעודה. הקצאת משימות גמישות ויכולת כוח אדם בזמן אמת, יעילות וניטור התקדמות.
הפלטפורמה הקניינית שלנו וכוח העבודה המיומן שלנו משתמשים בשיטות בקרת איכות מרובות כדי לעמוד בסטנדרטים האיכות שהוגדרו לאיסוף מערכי נתונים של אימוני AI.
התהליך שלנו מייעל את תהליך האיסוף באמצעות הפצת משימות קלה יותר, ניהול ולכידת נתונים ישירות מממשק האפליקציה והאינטרנט.
שמור על סודיות נתונים מלאה על ידי הפיכת הפרטיות לעדיפות שלנו. אנו מבטיחים כי תבניות הנתונים נשלטות ונשמרות.
נתונים ספציפיים לתחום אצור שנאספו ממקורות ספציפיים לתעשייה על בסיס הנחיות לאיסוף נתוני לקוחות.
שייפ מציעה שירותי איסוף דיבור/שמע מקצה לקצה בלמעלה מ-150 שפות כדי לאפשר לטכנולוגיות המאפשרות קול לתת מענה למגוון רחב של קהלים ברחבי העולם.
הצ'אטבוט שאיתו שוחחת פועל על מערכת AI מתקדמת לשיחות, מאומנת, נבדקת ונבנית באמצעות טונות של מערכי נתונים של זיהוי דיבור. זהו התהליך הבסיסי מאחורי הטכנולוגיה שהופך מכונות לאינטליגנטיות
הצורך באימון אמירה מתעורר מכיוון שלא כל הלקוחות משתמשים במילים או בביטויים המדויקים בזמן אינטראקציה או שואל שאלות לעוזרות הקוליות שלהם בפורמט תסריטאי.
העצמת צוותים לבנות מוצרי AI מובילים בעולם.
מילת השכמה היא מילה או ביטוי ספציפיים - כגון "Alexa", "Okay Google" או ביטוי ממותג בהתאמה אישית - שמפעילים מכשיר התומך בקול ומעבירים אותו מהאזנה פסיבית להאזנה אקטיבית. המכשיר מאזין באופן רציף באופן מקומי למילת ההשכמה ומתחיל לעבד בקשה רק לאחר שמילת ההשכמה מזוהה.
נתוני אימון מילות ערה הם קבוצת הקלטות מדוברות מתויגות המשמשות ללימוד מודל לזהות את ביטוי ההפעלה שלו. נתוני אימון מילות ערה אפקטיביות משתרעים על פני דוברים, מבטאים, גילאים, מכשירים ותנאי רעש רבים, כך שהמודל מופעל בצורה אמינה תוך דחיית דיבור בעל צליל דומה.
מילת ערה פועלת על ידי הפעלת מודל זיהוי קטן, המקשיב תמיד, שסורק אודיו נכנס אחר ביטוי היעד. כאשר המודל תואם את מילת הערה בביטחון מספק, המכשיר מופעל ומתחיל לעבד את בקשת המשתמש באמצעות זיהוי דיבור ועיבוד שפה טבעית.
מילת ערה מותאמת אישית חזקה משתמשת בפונמות מגוונות, מכילה לפחות שלוש עד ארבע הברות, ונמנעת ממילים יומיומיות נפוצות כדי להפחית הפעלות שגויות. הוספת קידומת כמו "היי" או "אישור" משפרת את הייחודיות. Shaip מסייע בבחירה ובאימות של מילות ערה במהלך הגדרת הפרויקט.
כן. זיהוי מילות התעוררות במכשיר מפעיל את מודל ההפעלה באופן מקומי, כך שהשמע אינו מוקלט או נשלח לענן. זה מפחית את זמן ההשהיה, מגן על הפרטיות ושומר על הזיהוי פועל במצב לא מקוון. Shaip אוסף נתוני אימון המתאימים במיוחד לפריסה במכשיר ובמוטמעת.
Shaip אוספת נתוני אימון מילות מפתח ביותר מ-100 שפות ובמגוון רחב של מבטאים אזוריים, המגיעים מכוח עבודה עולמי ביותר מ-100 מדינות. מגוון רחב זה מצמצם פערים בדיוק עבור דוברי שפת אם שאינם ילידיים ותומך בהשקות מוצרים גלובליות.
שייפ מיישם מספר בקרות איכות - סקירת תמלול, קריטריוני קבלה וניטור כוח אדם - כך שמערכי הנתונים עומדים ברמת הדיוק הנדרשת לפני המסירה. נתונים מגוונים ואיכותיים מפחיתים הן את שיעורי הקבלה השגויה והן את שיעורי הדחייה השגויה במודל שנפרס.
מילת ערה מפעילה את המכשיר; אמירה היא הבקשה המדוברת שבאה לאחר מכן. זיהוי מילות ערה הוא משימה צרה שמתקיימת תמיד, בעוד שהבנת אמירות כרוכה בפירוש ניסוחים מגוונים בשפה טבעית. שייפ מספק נתוני אימון הן לזיהוי מילות ערה והן לאיסוף אמירות.
ביטוי הוא ביטוי שמשתמש אומר כדי להגיש בקשה לתוכנת פקודה קולית. התוכנה מזהה את כוונת המשתמש מהביטוי ומגיבה בהתאם. בניגוד למשפט שלם, ביטוי הוא יחידת דיבור שעשויה לא להעביר מחשבה מלאה ולעתים קרובות מכילה הפסקות. דוגמאות: "הראה לי את הסרט האחרון - זה שיצא בשבוע שעבר", או "האם החנות ברחוב 22 פתוחה עכשיו?"
שם קריאה הוא מילת המפתח המשמשת להפעלת "מיומנות" ספציפית בתוך תוכנת קול. היא יכולה לכלול שמות של אנשים או מקומות ולהיות משולבת עם פעולה, פקודה או שאלה. כל מיומנות מותאמת אישית זקוקה לשם קריאה כדי להפעיל אותה.
מילות ערה נקראות גם מילות טריגר, מילות חמות, מילות הפעלה, מילות קריאה, ביטויי ערה ואמירות.
Alexa משתמשת במספר מיקרופונים מובנים כדי לזהות את מילת ההשכמה שלה תוך סינון רעשי רקע. כדי למנוע תוצאות חיוביות ושליליות שגויות, היא מתחילה האזנה אקטיבית רק לאחר זיהוי "Alexa".
