కారులో వాయిస్ డేటా సేకరణ

సొల్యూషన్

షైప్ సంభాషణ AI స్పేస్‌లో దాని నైపుణ్యంతో క్లయింట్‌ను దీనితో ప్రారంభించింది:

• వివరాల సేకరణ: 208k కీలక పదబంధాలు/బ్రాండ్ ప్రాంప్ట్‌లు 12 గ్లోబల్ భాషలలో 2800 స్పీకర్ల నుండి నిర్ణీత సమయ వ్యవధిలో సేకరించబడ్డాయి
• విభిన్న స్వరాలు & మాండలికాలు: ప్రపంచవ్యాప్తంగా ఉన్న నిపుణులను నియమించారు, కావలసిన యాసలు మరియు మాండలికాలలో నైపుణ్యం కలిగి ఉంటారు.
• సందర్భం & ఉద్దేశం గుర్తింపు: ప్రతి స్పీకర్ కీ పదబంధాలను 20 విభిన్న వైవిధ్యాలలో రికార్డ్ చేసే పనిలో ఉన్నారు, ML మోడల్‌లు సందర్భం మరియు ఉద్దేశం పరంగా వినియోగదారు అభ్యర్థనలను ఖచ్చితంగా గ్రహించేలా చేస్తాయి.
• బ్యాక్‌గ్రౌండ్ నాయిస్ హ్యాండ్లింగ్: సహజమైన ఆడియో నాణ్యతను నిర్ధారించడానికి, టీవీ, రేడియో, సంగీతం, ప్రసంగం లేదా వీధి సౌండ్‌ల వంటి బ్యాక్‌గ్రౌండ్ ఆటంకాలు లేకుండా 40dB కంటే తక్కువ శబ్దం ఉండే ప్రశాంత వాతావరణంలో కీలక పదబంధాలు క్యాప్చర్ చేయబడతాయని మేము నిర్ధారించుకున్నాము.
• పక్షపాతాన్ని తగ్గించడం: పక్షపాతాన్ని తగ్గించడానికి, మేము విభిన్న ప్రాంతాల నుండి వ్యక్తులను నిమగ్నం చేసాము మరియు 50 నుండి 50 సంవత్సరాల వయస్సు గల సమూహాలలో 18% పురుషులు మరియు 60% స్త్రీలతో సమతుల్య జనాభా ప్రాతినిధ్యాన్ని నిర్వహించాము.
• రికార్డింగ్ మార్గదర్శకాలు: కీలకమైన పదబంధాలు వేగవంతమైన లేదా స్లో పేసింగ్ వంటి వైవిధ్యాలు లేకుండా స్థిరమైన, సాధారణ ప్రసంగం నమూనాలో సంగ్రహించబడ్డాయి. ప్రసంగంలోని ఏ భాగాన్ని అనుకోకుండా క్లిప్ చేయలేదని హామీ ఇవ్వడానికి ప్రారంభం మరియు ముగింపు రెండింటిలోనూ 2-సెకన్ల నిశ్శబ్దం.
• రికార్డింగ్ ఫార్మాట్: ఆడియో 16kHz వద్ద రికార్డ్ చేయబడింది, మోనోలో 16-బిట్ PCM, ఒకే ఛానెల్‌ని ఉపయోగిస్తుంది మరియు WAV ఫైల్ ఫార్మాట్‌లో సేవ్ చేయబడింది. ఆడియో ప్రాసెస్ చేయబడలేదు, అంటే కంప్రెషన్, రెవెర్బ్ లేదా EQ యొక్క అప్లికేషన్ లేదు.
• నాణ్యత: ప్రతి స్పీచ్ రికార్డింగ్ కఠినమైన నాణ్యత తనిఖీలు మరియు ధ్రువీకరణకు లోబడి ఉంటుంది. ఈ అసెస్‌మెంట్‌లో ఉత్తీర్ణులైన రికార్డింగ్‌లు మాత్రమే బట్వాడా చేయబడ్డాయి. అంగీకరించిన నాణ్యతా ప్రమాణాల కంటే తక్కువగా ఉన్న ఏవైనా ఫైల్‌లు మళ్లీ రికార్డ్ చేయబడతాయి మరియు అదనపు ఛార్జీలు లేకుండా అందించబడతాయి