ในด้านปัญญาประดิษฐ์ เทคโนโลยีการรู้จำเสียงเป็นหัวข้อวิจัยที่ได้รับความนิยมมาโดยตลอด ปัจจุบัน เครื่องยนต์ Seed-ASR ที่ ByteDance เปิดตัวได้นำความก้าวหน้าใหม่ๆ มาสู่เทคโนโลยีการรู้จำเสียงด้วยประสิทธิภาพอันทรงพลังและการรองรับภาษาที่หลากหลาย บรรณาธิการของ Downcodes จะอธิบายรายละเอียดความเป็นเลิศของ Seed-ASR
เทคโนโลยีการรู้จำเสียงเป็นหนึ่งในส่วนสำคัญในการพัฒนาปัญญาประดิษฐ์มาโดยตลอด ขณะนี้ เอ็นจิ้น Seed-ASR ที่ ByteDance เปิดตัวได้ทำลายอุปสรรคทางภาษาและภาษาถิ่นโดยสิ้นเชิง และอัดฉีดพลังใหม่ให้กับเทคโนโลยีนี้
Seed-ASR ได้รับการฝึกอบรมเกี่ยวกับข้อมูลคำพูดมากกว่า 20 ล้านชั่วโมงและข้อมูลการจับคู่เกือบ 900,000 ชั่วโมง ซึ่งแสดงให้เห็นถึงความสามารถในการจดจำที่ยอดเยี่ยม ไม่เพียงแต่สามารถจดจำภาษาจีนกลางได้อย่างแม่นยำ แต่ยังถอดเสียงภาษาจีน 13 ภาษาและภาษาต่างประเทศ 7 ภาษาได้อย่างแม่นยำ รวมถึงภาษาอังกฤษที่มีสำเนียงต่างๆ ไม่ต้องสงสัยเลยว่าสิ่งนี้นำมาซึ่งความเป็นไปได้ใหม่ๆ สำหรับการสื่อสารข้ามภาษา
ข้อได้เปรียบที่สำคัญของ Seed-ASR คือการรับรู้บริบทที่ยอดเยี่ยม สามารถรวมบันทึกการสนทนาในอดีต รายงานการประชุม และข้อมูลอื่นๆ เพื่อระบุชื่อบุคคล ชื่อสถานที่ และคำสำคัญได้แม่นยำยิ่งขึ้น ทำให้ทำงานได้ดีเป็นพิเศษในสถานการณ์เฉพาะ ซึ่งปรับปรุงความแม่นยำในการจดจำอย่างมาก
ไม่ว่าจะเป็นการสนทนารายวันง่ายๆ หรือการสื่อสารในการประชุมที่ซับซ้อน Seed-ASR สามารถจัดการได้อย่างง่ายดาย สามารถถอดเสียงเนื้อหาได้อย่างแม่นยำแม้ในขณะที่มีคนพูดคุยกันหลายคนหรือมีเสียงรบกวนรอบข้าง นอกจากนี้ยังสามารถปรับให้เข้ากับคุณภาพเสียงและสภาพแวดล้อมต่างๆ เมื่อประมวลผลวิดีโอและเสียงสด
Seed-ASR ยังสามารถจดจำคำศัพท์ในสาขาวิชาชีพที่หลากหลาย รวมถึงการแพทย์ เทคโนโลยี ยานยนต์ และแม้แต่ดนตรี สิ่งนี้ทำให้โดดเด่นในสถานการณ์ผู้ช่วยอัจฉริยะและการค้นหาด้วยเสียง ซึ่งช่วยปรับปรุงประสบการณ์ผู้ใช้อย่างมาก
ที่อยู่โครงการ: https://bytedancespeech.github.io/seedasr_tech_report/
การเกิดขึ้นของ Seed-ASR นับเป็นความก้าวหน้าครั้งใหม่ของเทคโนโลยีการรู้จำเสียงพูด บรรณาธิการของ Downcodes เชื่อว่า Seed-ASR จะมีบทบาทสำคัญมากขึ้นในการพัฒนาปัญญาประดิษฐ์ในอนาคต