Speechmatics Използва AI за транскрибиране на езици, и It Beating Google

Речтачката върви след Google. Британският стартъп отне тайна от автоматичния лингвист миналия месец, мощен изкуствен интелект, който може да научи всеки език за транскрипция на реч-текст в рамките на няколко дни. Екипът иска да даде възможност на технологията за всеки един от приблизително 7000 езика в света, с потенциал за трансформиране на живота.

От стартирането на езиковия инструмент Speechmatics работи върху Omniglot, предизвикателство за изграждане на език на ден. Миналата седмица компанията постигна голям крайъгълен камък: официално победи Google с общо 72 уникални езика.

Системата използва машинно обучение, за да съвпада с аудио данни с копие от транскрипция. След това той използва езикови модели от други езици, за да направи процеса възможно най-опростен, като идентифицира приликите между звуците и граматичните структури и ги прилага към новите езици. Процесът е много ефективен: като пример, работата на Speechmatics по Hindi отне само две седмици, за да достигне 80% точност. Когато крайният продукт беше тестван срещу усилията на Google, той направи 23% по-малко грешки.

обратен разговаря с Бенедикт фон Тюнген, главен изпълнителен директор на Speechmatics, за да научи повече.

Как започнахте да работите по проекта?

Започнахме проекта Omniglot като предизвикателство за себе си - да видим колко езика ще можем да построим за шест седмици. Ние осъзнахме известно време, че традиционният подход за изграждане на всеки език поотделно вече не е жизнеспособен, когато се търси с мащабен темп. Имайки предвид това, трябваше да преосмислим какъв език е, как е структуриран и какви прилики има между различните езици. Намерихме начин да използваме тези общи черти, за да идентифицираме модели и да помогнем на нашата рамка с автоматичен лингвист (АЛ) да изгради езици по-бързо от всякога - 46 за шест седмици, за да бъдем точни, или за един език на ден в продължение на шест седмици !

Как това се различава от усилията на Google?

Нашият подход към изграждането на езици е един от основните аспекти, който ни отличава от Google. Докато приемаме, че те изграждат своите езици поотделно (или с това, което наричаме „груба сила“), ние използваме силата на A.I. усъвършенстване и ускоряване на процеса на изграждане на езици. Освен това, докато други услуги като Google се фокусират върху изграждането на диалекти, а не на уникални езици, ние сме горди да кажем, че усилията ни бяха насочени към уникални езици от цял ​​свят, включително области, които преди това бяха недостатъчно обслужвани от големите технологични компании.

Какви са някои от реалните приложения за това?

Сега имаме технологии и знания, за да направим нашата услуга по-далеч по-далечна от всякога и да въведем автоматично разпознаване на реч (ASR) на всички. Това е особено важно в страни с ниски нива на грамотност, където способността да се използва преди това недостъпна технология за общуване на текст и текст може да направи всичко различно за хората. Други реални случаи, в които ASR технологията може да помогне с въпросите на достъпността - хора с увреден слух и / или зрение от цял ​​свят вече могат да използват устройство толкова просто като телефон, за да взаимодействат с хората около тях.

Това подобрява ли точността на добре покритите езици като английския?

Тъй като ние продължаваме да развиваме повече езици, нашият A.I. рамката ще става все по-умела при идентифицирането на езикови характеристики и модели. Ние ще използваме тези знания, за да продължим да усъвършенстваме настоящата си езикова база, включително английски.

Това може ли да подобри нещо като инструментите за превод в реално време на Google Pixel Buds?

Определено ще видим проекти като Omniglot, които помагат за подобряване на инструментите за превод в реално време. С инвестирането на повече ресурси в разширяването на обхвата и точността на езиците, ще видим непрекъснато подобрение в сектора на преводаческите услуги.

Работи ли това с всеки език, дори с изградени езици като клингонски?

Все още не сме се опитали да изградим каквито и да било конлагменти, но не виждаме причини, поради които да не работят. Тъй като тези езици все още се говорят от хората, те също следват подобни структурни правила и ограничения като ежедневните езици (като например броя на фонемите), които биха дали достатъчно данни на АЛ за изграждане.

Отворен ли сте с проекта?

Не, нямаме планове за това.

Как ще работи лицензирането?

Езиците, предлагани по проект Omniglot, са безплатни и не могат да бъдат използвани за търговски цели. В този смисъл в обозримото бъдеще няма да има прикрепени към тях лицензи.

Какви са следващите стъпки от тук?

Проектът Omniglot е само началото за нас. Искаме накрая да изградим всеки език в света, така че ще работим усилено за постигането на тази цел!