Korábbi csata · 2024-09-16 UTC
Speech Recognition Leszámolás — 2024. szeptember 16.
A(z) Speech Recognition kategóriából. 9 jelölés elhelyezve 5 versenyző között. MeetingNotes szerezte meg a koronát.
Végeredmény
A felállás
A versenyzők
Minden eszköz profilja, amely ebben a csatában versenyzett, a végső pontszámuk szerint rangsorolva.
MeetingNotes
A gyorsítótornyai találkozó asszisztens, amely automatikusan feljegyzi, átírja, és összefoglalja a beszélgetéseket.
A MeetingNotes az együttműködési eszköz, amely automatizálja a találkozó dokumentációját. A 25-nél több nyelven érhető el, és számos új technológia használata mellett multinyelvű átírását és fordítását is kínálja. Rendkívül megbízható AI összefoglalásokat nyújt, automatikusan osztályzott feladatokat és következtetések kivezet, valamint nyomon követi a műveleteket. Továbbá a vállalati szintű biztonsági funkciókat kínál, melyet a többek között az IP-blokkok és a szigorú hozzáférési vezérlés mellett a nagy szabadságú felhő-tároló és az uniós irányelv megfelelősége is jellemzi. Az eszköz természetesen felgyorsítja az termékek fejlesztését, meghatározott időtartammal megment a túlterheléstől, és lehetővé teszi a döntéshozatali megbeszéléseket meghatározott fókusz érdekében. A Google Meetet, Outlook-t és a Zoomot is integrálták, és lehetővé teszi a tényleges csapatokkal való osztott tervezéset. A vállalkozásnak 5 ezer független csapatot tartanak nyilván a világon és 3200 ezer órányi auditálásban bíznak ezen a találkozókon, ami meggyőzően rámutat a 95%-ban megbízhatónak tartott automatikus feljegyzéseket alkalmazó felhasználókra.
Kritériumok szétosztása
- Valós-időú transzkripció
- AI generált találkozó összefoglalások
- Akkcióhelyek, a döntések és a feladatok automatikus kivonata
- Osztási jegyzetek és exportálások
- Keresése tárolt találkozó archívumnál
- Következő integráció a naptárral és videós eszközökkel
IBM Watson Speech to Text
Csúcstechnológiás beszédazonosítás a Watsontól a beszéd hangfájljainak pontos szöveggé alakítására
A Watson Speech to Text egy felhőalapú szolgáltatás, amely beszélt nyelvet írott szöveggé fordítja több nyelven és dialektuson túl. Üzleti célokra kialakították, melyek megbízható, skálázható átírásra van szükségük a hívóközpont-analitika, hangutasztok, megbeszélési megjegyzések és hozzáférési eszközök körében. A szolgáltatás támogatja az összefolyó és batch feldolgozást audiofájlokon, továbbá lehetőséget kínál a hibakeresési pontosság növelésére a szakma-specifikus szókincs, rövidítések és nyelvjárások tekintetében. Az IBM Cloud-en vagy az általános felhasználói követelményeken túl az IBM Cloud Pak for Data segítségével is üzembe lehet helyezni, így a szervezeteknek lehetőségük van a adatfolyamok földrajzi elhelyezkedésével kapcsolatos és együttműködési követelmények vonatkozásában többet tenni.
Kritériumok szétosztása
- Valós idejű streaming-beszúrás
- Mintaütemezési fájlok tömeges feldolgozása
- Épített társadalmi szöveggazdagodás és modellkiképzés
- Beszélőfelismerés és szóidőzítés
- Különböző nyelvek és dialektusok támogatása
- Felhőalapú vagy helyszíni elhelyezés
A OpenAI Advanced Voice egy azonosító hanginterakciós mód, ami beépítésre került a ChatGPT-be, és lehetővé teszi, hogy a felhasználókat természetes, szabadon folyón beszélhessenek meg egy AI-vel. Támogatja a közelített késleltetésű (low-latency) váltásokat, a megszakításokat és a szemléletes válaszokat, ami arra serkenti, hogy a konverziók jobban érzékelhetők legyenek mint egy személyes beszélgetés az asztali asszisztenssel kínált parancsok és utasítások. A funkció gyakorlatilag az egeren kívüli használatra készült a mobil- és asztali felületeken, támogatja funkciók például a gondolkodási fázist, a nyelvórákat, a számonkérést, és a laza beszélgetést. Felismeri a szólásbeli érzelemkódokat és megváltoztathatja a hangulatot, és többféle hang és nyelvben felel. Ezt az összeset a multimodális modellek hajtják meg OpenAI alapján.
Kritériumok szétosztása
- Valós idejű beszélgetés
- Kiválasztható AI hangok törlése
- Szerződés és fordulat-kezelés
- Érzelmi és tonális megértés
- Az egyeztető beszélgetés nyelvhez
- Egyeztetett a ChatGPT alkalmazásban
Amazon Transcribe
AWS automatikus beszédfelismerő szolgáltatás, amely hang- és videófájlokat pontos, időbélyegzett szöveggé alakít.
Az Amazon Transcribe egy teljes körűen felügyelt automatikus beszédfelismerési (ASR) szolgáltatás az AWS-től, amely beszédtöredékeket írott szöveggé alakít. Támogatja a tárolt médiafájlok kötegelt átiratát és a valós idejű streamelési átiratot, a kimenetben időbélyegek, beszélőcímke és megbízhatósági értékek szerepelnek. A szolgáltatást olyan használati esetekhez tervezték, mint a call center elemzés, a meetingek és média feliratozása, a hangvezérelt alkalmazások és a megfelelőségi rögzítés. Specializált változatok, mint a Transcribe Medical és a Transcribe Call Analytics, domainre hangolt szókincset és beépített betekintéseket, például hangulat- és problémaészlelést adnak hozzá. Fejlesztők az AWS SDK-k, a parancssori felület vagy a konzol segítségével integrálhatják, és együtt használhatják más AWS-szolgáltatásokkal, mint az S3, a Lambda, a Comprehend és a Translate, hogy végponttól végpontig terjedő hangfeldolgozási folyamatokat hozzanak létre.
Kritériumok szétosztása
- Tömeges és valós idejű áramlású átirás
- Előadó azonosítása és csatorna szétválasztása
- Egyéni szókincs és egyéni nyelvi modellek
- Automatikus írásjelek és szószintű időbélyegek
- Többnyelvű támogatás automatikus nyelvi azonosítással
- Integráció az S3-mal, Lambda-val és más AWS-szolgáltatásokkal
A Scriptivox egy gyors és pontos hangadat-szöveg konvertálási eszköz, amelyet mesterséges intelligencia hajt, hogy felgyorsítsa és megkönnyítsi a kézi átírás munkáját. A szoftver megfelelő különböző felhasználók számára, beleértve a podcasterezés, interjú készítése és a tartalom létrehozására alkalmas embert. A Scriptivox mesterséges intelligencia motorja lehetővé teszi az audiofájlok gyors feldolgozását, és megbízható átváltó által értelmezett szöveget biztosít. Míg a részletek a munkafolyamatja és integrációi kapcsán korlátozottak, a Scriptivox valószínűleg támogatja a közös hangfájlok formátumaiban és szöveges transzkriptáknak vonatkozó fejlesztések és finomításokat is kínálhat. A Scriptivox összehasonlítva a kézi átírás vagy más automatizált eszközökkel szemben, egyensúlyt teremt a sebesség és a pontosság között, bár teljesítménye alternatívákkal szemben változhat függően az adott hangmennyiség minősége és összetettsége alapján.
Kritériumok szétosztása
- AI-hajtotta beszédküldeni-szöveg motor
- Meghosszabbító hangformátumok támogatása
- Felgyorsított regiszterek kezelése
- Szerkeszthető szöveges kimenet
- Sok formátumú és rövid formátumú hang feldolgozásra alkalmas