કારમાં વૉઇસ ડેટા સંગ્રહ

ઉકેલ

શેપ દ્વારા વાતચીત AI ક્ષેત્રમાં તેની કુશળતા સાથે ક્લાયન્ટને આની સુવિધા મળી:

• માહિતી સંગ્રહ: નિર્ધારિત સમયમર્યાદામાં 208 વક્તાઓ પાસેથી 12 વૈશ્વિક ભાષાઓમાં 2800 મુખ્ય શબ્દસમૂહો/બ્રાન્ડ પ્રોમ્પ્ટ એકત્રિત કરવામાં આવ્યા.
• વિવિધ ઉચ્ચારો અને બોલીઓ: વિશ્વભરમાંથી નિયુક્ત નિષ્ણાતો, ઇચ્છિત ઉચ્ચારો અને બોલીઓમાં નિપુણ.
• સંદર્ભ અને ઉદ્દેશ્ય ઓળખ: દરેક વક્તાને 20 અલગ અલગ ભિન્નતાઓમાં મુખ્ય શબ્દસમૂહો રેકોર્ડ કરવાનું કામ સોંપવામાં આવ્યું હતું, જેનાથી ML મોડેલો સંદર્ભ અને ઉદ્દેશ્યના સંદર્ભમાં વપરાશકર્તા વિનંતીઓને સચોટ રીતે સમજી શકે.
• પૃષ્ઠભૂમિ અવાજ નિયંત્રણ: શુદ્ધ ઑડિઓ ગુણવત્તા સુનિશ્ચિત કરવા માટે, અમે ખાતરી કરી કે મુખ્ય શબ્દસમૂહો 40dB થી નીચે અવાજ સ્તર સાથે શાંત વાતાવરણમાં કેદ કરવામાં આવ્યા હોય, જેમાં ટીવી, રેડિયો, સંગીત, વાણી અથવા શેરી અવાજો જેવા પૃષ્ઠભૂમિ વિક્ષેપો ન હોય.
• પૂર્વગ્રહ ઘટાડવો: પૂર્વગ્રહ ઘટાડવા માટે, અમે વિવિધ પ્રદેશોના વ્યક્તિઓને સામેલ કર્યા અને 50 થી 50 વર્ષની વય જૂથોમાં 18% પુરુષો અને 60% સ્ત્રીઓ સાથે સંતુલિત વસ્તી વિષયક પ્રતિનિધિત્વ જાળવી રાખ્યું.
• રેકોર્ડિંગ માર્ગદર્શિકા: મુખ્ય શબ્દસમૂહો એક સુસંગત, સામાન્ય વાણી પેટર્નમાં કેદ કરવામાં આવ્યા હતા, જેમાં ઝડપી અથવા ધીમી ગતિ જેવા કોઈપણ ભિન્નતાનો સમાવેશ થતો નથી. શરૂઆતમાં અને અંતે બંને બાજુ 2-સેકન્ડનું મૌન રાખવામાં આવ્યું જેથી ખાતરી થાય કે ભાષણનો કોઈ ભાગ આકસ્મિક રીતે કાપવામાં આવ્યો નથી.
• રેકોર્ડિંગ ફોર્મેટ: આ ઓડિયો ૧૬ કિલોહર્ટ્ઝ પર રેકોર્ડ કરવામાં આવ્યો હતો, ૧૬-બીટ PCM મોનોમાં, એક જ ચેનલનો ઉપયોગ કરીને, અને WAV ફાઇલ ફોર્મેટમાં સાચવવામાં આવ્યો હતો. ઓડિયો પ્રોસેસ્ડ નથી, એટલે કે કમ્પ્રેશન, રિવર્બ અથવા EQ નો કોઈ ઉપયોગ થયો નથી.
• ગુણવત્તા: દરેક ભાષણ રેકોર્ડિંગની ગુણવત્તાની કડક ચકાસણી અને માન્યતા કરવામાં આવી હતી. ફક્ત આ મૂલ્યાંકનમાં પાસ થયેલા રેકોર્ડિંગ્સ જ પહોંચાડવામાં આવ્યા હતા. કોઈપણ ફાઇલો જે સંમત ગુણવત્તા ધોરણો પૂર્ણ કરવામાં નિષ્ફળ ગઈ હતી તેને ફરીથી રેકોર્ડ કરવામાં આવી હતી અને કોઈપણ વધારાના શુલ્ક વિના પૂરી પાડવામાં આવી હતી.