স্পিচ রিকগনিশন মডেলগুলি পরিষ্কার অডিও ট্রান্সক্রাইব করতে দুর্দান্ত, কিন্তু প্রকৃত ডিক্টেশন খুব কমই সেই পরিস্থিতিতে ঘটে। লক্ষ লক্ষ মানুষ Wispr Flow ব্যবহার করে ডেস্কে, মিটিংয়ের মাঝে, যাতায়াতের সময় এবং ব্যস্ত অফিসে বার্তা পাঠাতে, ইমেল লিখতে, কোড করতে এবং ধারণা নিয়ে কাজ করতে। তারা ল্যাপটপ মাইক্রোফোন, ইয়ারবাড এবং হেডসেটের মাধ্যমে কথা বলে, প্রায়শই পটভূমিতে অন্য কণ্ঠ, সংগীত বা যানবাহনের শব্দ থাকে। আজ, Wispr Advanced Interfaces Lab Canto চালু করছে, রিয়েল-টাইম ডিক্টেশনের জন্য আমাদের সর্বশেষ স্পিচ মডেল।

বাস্তব-বিশ্বের ডিক্টেশনের একটি মূল্যায়নে, Canto আমাদের পরীক্ষা করা সমস্ত মডেলের মধ্যে সর্বনিম্ন শব্দ ত্রুটি হার অর্জন করেছে। আমরা Canto-কে Google, Open AI, Assembly AI এবং Deepgram-এর মডেলের সাথে তুলনা করেছি। Canto হল Wispr Advanced Interfaces Lab-এ একটি বৃহত্তর গবেষণা ও উন্নয়ন কর্মসূচির প্রথম মডেল। এই পোস্টে, আমরা শেয়ার করছি এটি কেমন পারফর্ম করে, চ্যালেঞ্জিং বাস্তব-বিশ্বের পরিস্থিতি মোকাবেলার জন্য আমরা এটিকে কীভাবে প্রশিক্ষণ দিয়েছি, এবং যে গবেষণা ইতিমধ্যেই পরবর্তী কী আসবে তা গঠন করছে।

“আজ, Wispr Advanced Interfaces Lab Canto চালু করছে, রিয়েল-টাইম ডিক্টেশনের জন্য আমাদের সর্বশেষ স্পিচ মডেল।” — Ariya Rastrow, CSO, Wispr Flow

বাস্তব-বিশ্বের পরিস্থিতিতে Canto পরীক্ষা করার জন্য, আমরা 2,300-এর বেশি অনন্য স্পিকারের 10 ঘণ্টার ইংরেজি-ভাষার Wispr Flow ডিক্টেশন দিয়ে গঠিত একটি মূল্যায়ন সেট তৈরি করেছি, যা অ্যাপ্লিকেশন এবং ব্যবহারের ক্ষেত্রে এলোমেলোভাবে নমুনা করা হয়েছে। ওভারফিটিং এড়াতে আমরা ট্রেন এবং টেস্ট সেটে স্পিকারদের মধ্যে কঠোর বিচ্ছেদ প্রয়োগ করেছি। প্রতিটি নমুনা এমন একজন ব্যবহারকারীর কাছ থেকে এসেছে যিনি Wispr-এর ডেটা-শেয়ারিং সেটিং বেছে নিয়েছেন, যা আমাদের মডেল মূল্যায়ন ও উন্নত করতে তাদের ডেটা বেনামে ব্যবহারের অনুমতি দেয়। এই সেটিং সম্পর্কে আরও তথ্য আমাদের ডেটা-নিয়ন্ত্রণ ডকুমেন্টেশনে পাওয়া যায়।

Canto আমাদের তুলনার মডেলগুলির মধ্যে সর্বনিম্ন শব্দ ত্রুটি হার (WER) অর্জন করেছে। WER একটি মানব-ট্রান্সক্রাইব করা রেফারেন্সের সাপেক্ষে শব্দ প্রতিস্থাপন, বাদ দেওয়া এবং সন্নিবেশ পরিমাপ করে (কম হলে ভালো)।

মূল সত্তা: কোম্পানি: Wispr Flow, Wispr Advanced Interfaces Lab, Google, Open AI, Assembly AI, Deepgram | ব্যক্তি: Ariya Rastrow