વૉઇસ-આધારિત UPI ચુકવણી સંકેતો: ઉન્નત AI મોડેલ્સ માટે વિવિધતા કેપ્ચર કરવી
ઉચ્ચ-ગુણવત્તાવાળા, સાંસ્કૃતિક રીતે વૈવિધ્યસભર ડેટા સાથે વૉઇસ-આધારિત UPI ચુકવણી સિસ્ટમોને સમર્થન આપવા માટે ઝડપી રચના અને વિવિધ ઑડિઓ રેકોર્ડિંગ્સમાં Shaip ની કુશળતાનો ઉપયોગ કરવો.
પ્રોજેક્ટ ઓવરવ્યૂ
શેપ એક અગ્રણી ફિનટેક કંપની સાથે ભાગીદારી કરીને વિવિધ UPI ચુકવણી પ્રોમ્પ્ટ બનાવી અને રેકોર્ડ કરીને વૉઇસ-આધારિત ચુકવણી એપ્લિકેશન વિકસાવી. આ પ્રોજેક્ટમાં 2,500 ચુકવણી-સંબંધિત ઉદ્દેશ્યો, જેમ કે પૈસા મોકલવા, પૈસાની વિનંતી, બેલેન્સ પૂછપરછ અને બિલ ચુકવણી, વગેરેમાં 87,000 અનન્ય પ્રોમ્પ્ટ અને 13 વૈવિધ્યસભર પ્રોમ્પ્ટ બનાવવામાં આવ્યા હતા. આ પ્રોમ્પ્ટ વિવિધ પ્રદેશો, પૃષ્ઠભૂમિ અને વય જૂથોના 200 વક્તાઓ દ્વારા 45 કલાકથી વધુ સમય સુધી રેકોર્ડ કરવામાં આવ્યા હતા, જે ભાષાકીય અને પર્યાવરણીય વિવિધતાની વિશાળ શ્રેણીને સુનિશ્ચિત કરે છે.
આ પ્રોજેક્ટનો ધ્યેય એક એવા AI મોડેલ માટે ઉચ્ચ-ગુણવત્તાવાળા તાલીમ ડેટા વિકસાવવાનો હતો જે વાસ્તવિક દુનિયાની સેટિંગ્સમાં UPI ચુકવણીઓ સંબંધિત વૉઇસ આદેશોને ઓળખી શકે અને તેનો પ્રતિસાદ આપી શકે.
કી આંકડા
UPI ચુકવણી સંકેતોના ઑડિયો કલાકો રેકોર્ડ કરવામાં આવ્યા
200
વિવિધ પૃષ્ઠભૂમિ (ઉંમર, શિક્ષણ, પ્રદેશ) ના વક્તાઓ
45
87,000+ વૈવિધ્યસભર પ્રોમ્પ્ટ્સ સાથે, હેતુઓ આવરી લેવામાં આવ્યા છે
13
ભાષાઓ: અંગ્રેજી, વિવિધ મૂળ ભાષાના પૃષ્ઠભૂમિ (કુમાઓની, બંગાળી, મલયાલમ, ગુજરાતી, હિન્દી, મરાઠી વગેરે) ના બોલનારાઓ સાથે.
પરિયોજના દર્શન
પ્રોમ્પ્ટ ક્રિએશન
આ કાર્યક્ષેત્રમાં વૉઇસ-આધારિત UPI ચુકવણી સિસ્ટમ માટે અનન્ય પ્રોમ્પ્ટ બનાવવાનો સમાવેશ થતો હતો. પ્રોમ્પ્ટ્સને બહુવિધ ઉદ્દેશ્યોને આવરી લેવા માટે ડિઝાઇન કરવામાં આવ્યા હતા, ખાતરી કરીને કે તેઓ માળખા, શબ્દભંડોળ અને નામવાળી એન્ટિટીમાં વૈવિધ્યસભર હતા. કેટલાક મુખ્ય પાસાઓમાં શામેલ છે:
૧૩ મુખ્ય ઉદ્દેશ્યો, જેમાં શામેલ છે:
- પૈસા મોકલો: ૬૫,૬૫૩ અનન્ય અને વૈવિધ્યસભર પ્રોમ્પ્ટ્સ
- બેલેન્સ પૂછપરછ: 3,052 પ્રોમ્પ્ટ
- રૂપિયા માંગવા: 26,972 પ્રોમ્પ્ટ
- વ્યવહાર ઇતિહાસ, રિચાર્જ, બિલ ચુકવણી, વગેરે.
Audioડિઓ રેકોર્ડિંગ
પ્રામાણિકતા અને વાસ્તવિક દુનિયામાં લાગુ પડવાની ખાતરી કરવા માટે, વિવિધ ભાષાકીય પૃષ્ઠભૂમિના 45 વક્તાઓ દ્વારા પ્રોમ્પ્ટ રેકોર્ડ કરવામાં આવ્યા હતા. વિવિધ મૂળ ભાષાઓ, પ્રાદેશિક બોલીઓ અને વાતાવરણ (ઘરની અને બહારની) દ્વારા મેળવેલી વિવિધતાએ તાલીમ ડેટાને વધારવામાં મદદ કરી.
- ભાષાની વિવિધતા: વપરાશકર્તાઓ અંગ્રેજીમાં અસ્ખલિત છે પરંતુ કુમાઓની, ગુજરાતી, હિન્દી, બાંગ્લા, મરાઠી અને મલયાલમ જેવી વિવિધ માતૃભાષાઓ બોલે છે.
- ઉંમર, લિંગ અને શૈક્ષણિક પૃષ્ઠભૂમિ: ડેટાએ વસ્તી વિષયક માહિતીની વિશાળ શ્રેણીને કબજે કરી.
- શહેરી અને ગ્રામીણ વક્તાઓ: વાસ્તવિક દુનિયાના ઉપયોગને પ્રતિબિંબિત કરવા માટે, શહેરી અને ગ્રામીણ બંને પ્રકારના વક્તાઓનો સમાવેશ કરવામાં આવ્યો હતો.
- રેકોર્ડિંગ પર્યાવરણ: ઓડિયો રેકોર્ડિંગ ઘરની અંદર અને બહાર બંને જગ્યાએ કરવામાં આવ્યા હતા, જેમાં વિવિધ પ્રકારના પૃષ્ઠભૂમિ અવાજોનો સમાવેશ થતો હતો.
પડકારો
ભાષાકીય અને પ્રાદેશિક વિવિધતા
વિવિધ પ્રાદેશિક બોલીઓ અને વક્તાઓની લાક્ષણિકતાઓને પ્રતિબિંબિત કરતી પ્રોમ્પ્ટ ખાતરી કરવા માટે કાળજીપૂર્વક આયોજન અને અમલીકરણની જરૂર છે.
કુદરતી ઑડિઓ ભિન્નતાઓ
વાસ્તવિક દુનિયાના ઉપયોગ માટે પૃષ્ઠભૂમિ અવાજો અને પર્યાવરણીય પરિસ્થિતિઓ (ઘરની વિરુદ્ધ બહાર) ને નિયંત્રિત કરવી મહત્વપૂર્ણ હતી.
વિવિધ સ્પીકર પ્રોફાઇલ્સ
વિવિધ વય જૂથો, શૈક્ષણિક પૃષ્ઠભૂમિ અને ગ્રામીણ/શહેરી વિસ્તારોના વક્તાઓના સમાવેશથી અધિકૃત ડેટા મેળવવામાં જટિલતા આવી.
ઉકેલ
શેપે એક એવો ઉકેલ આપ્યો જેમાં પ્રોજેક્ટના પડકારોનો સામનો કરવા માટે અદ્યતન NLP તકનીકોનો ઉપયોગ કરવામાં આવ્યો અને તાત્કાલિક રચના અને રેકોર્ડિંગ બંનેમાં કાળજીપૂર્વક આયોજન કરવામાં આવ્યું. ઉકેલના મુખ્ય પાસાઓમાં શામેલ છે:
પ્રોમ્પ્ટ ક્રિએશન
- 2,500 અનન્ય પ્રોમ્પ્ટ બનાવવામાં આવ્યા હતા, દરેક રચના અને શબ્દભંડોળ દ્વારા વૈવિધ્યસભર હતા.
- 13 મૂળભૂત ચુકવણી વિનંતીઓથી લઈને વ્યવહાર ઇતિહાસ અને બિલ ચુકવણી જેવી વધુ જટિલ પૂછપરછ સુધીના ઉદ્દેશ્યોને આવરી લેવામાં આવ્યા હતા.
Audioડિઓ રેકોર્ડિંગ
- 200 કલાક દ્વારા ઓડિયો રેકોર્ડિંગ હાથ ધરવામાં આવ્યા હતા 45 વપરાશકર્તાઓ, મૂળ ભાષાઓ, વાતાવરણ અને બોલનારા વસ્તી વિષયક બાબતોમાં વિવિધતા સુનિશ્ચિત કરવી.
- કુદરતી ઑડિઓ ભિન્નતા સુનિશ્ચિત કરવા માટે રેકોર્ડિંગ માટે ઇન્ડોર અને આઉટડોર બંને વાતાવરણનો ઉપયોગ કરવામાં આવ્યો હતો.
- વક્તાઓએ વિવિધ પ્રાદેશિક બોલીઓનું પ્રતિનિધિત્વ કર્યું, જે ચોક્કસ ભાષાકીય પ્રતિનિધિત્વ સુનિશ્ચિત કરે છે.
| ઉદ્દેશ | મોકલો | સંતુલન પૂછપરછ | રૂપિયા માંગવા | વ્યવહાર ઇતિહાસ |
|---|---|---|---|---|
| પ્રોમ્પ્ટ | સુમાત્રીને ઘર ભાડા માટે વીસ એકવીસસો ચૂકવો. | હું મારા બચત ખાતામાં મારું વર્તમાન બેલેન્સ જાણવા માંગુ છું. | શું તમે રાજી પાસેથી ઈમરજન્સી માટે ત્રણસો અઢાર રૂપિયા માંગી શકો છો? | મને મારા ડેબિટ કાર્ડ વ્યવહારનો ઇતિહાસ બતાવો. |
| ગુજરાતી | સુમાત્રીને ઘરના ભાડા પેટે એકવીસો પ્રાર્થના કરો | હું મારા બચત ખાતામાં મારી વર્તમાન બેલેન્સ માંગુ છું. | શું તમે રાજીસો કહી શકો ઇમર્જન્સી માટે ત્રણ અઢાર મોટી માંગણી છો? | મને મારા ડેબિટ કાર્ડના નિશાનીઓ જુઓ. |
| હિન્દી | સુમાત્રીના મકાન વળતર માટે ઇક્કીસ સૌ રુપે ચૂકવો. | હું તમારી બચત ખાતામાં વર્તમાન બાકી રકમ જાણું છું. | શું તમે રાજી થી કોઈ ઇમરજન્સી માટે ત્રણ સો અઠાર રૂપિયા માંગી શકો છો? | मुझे मेरा डेबिट कार्ड का लेनदेन ब्यौरा दिखाओ। |
| મલયાલમ | વ્યવિવાત નૌકા. | എൻ്റെ സേവിംഗ്സ് അക്കൗണ്ടിലെ ലവിലെ തുക അയ ആഗ്രഹിക്കുന്നു. | રજનીજાતિ ആവശ്യപ്പെടാമോ? | എൻ്റെ ഡെബിറ്റ് കാർഡ് ഇടപാട് വിവരണം കാണിക്. |
| તેલુગુ | ఇంటి అద్దె కోసం సుమత్రికి ఇరవై ఒక్వకక చెల్లించండి | నేను నా సేవింగ్స్ అకౌంట్ లో నా ప్రసస బ్యాలెన్స్ ను తెలుసుకోవాలనుకుంటునును | ఎమర్జెన్సీ కోసం రాజిని మూడు వందల పద్దెనిమిది రూపాయలు అడగగలరా? | నా డెబిట్ కార్డ్ లావాదేవీ చరిేవీ చరిేత్రనును చూపించండి. |
| બાંગ્લા (ગુજરાતી) | ઘર ভাড়া માટે સુલેখિત ২১,০০০ টাকা পরিশোধ કરો | আমি আমার সঞ্চয় আপনার বর্তমান ব্যালেন্স জানতে চাই. | আপনি রাজির কাছে তাৎক্ষণিক অবস্থার জন্য তিনশো আঠারো টাকা চাইতে পারেন? | আমার ডেবিটের লেনদেনের ইতিহাস দেখান. |
| મરાઠી | सुमात्रीला घराच्या ભાડા માટે બે હજાર એકશે રૂપિયા આપો. | મને મારી બચત ખાતામાં વર્તમાનમાં સ્થિતિ જાણો. | आपण राजीकडून ताडीसाठी तीनशे अठरा रुपये मागू का? | મારા ડેબિટ કાર્ડચે વ્યવહાર શોધો. |
પરિણામ
Shaip દ્વારા વિતરિત ઉચ્ચ-ગુણવત્તાવાળા, વૈવિધ્યસભર ઑડિઓ ડેટાથી ક્લાયન્ટને AI-સંચાલિત વૉઇસ-આધારિત UPI ચુકવણી સિસ્ટમ વિકસાવવાની મંજૂરી મળી જે વિવિધ બોલીઓ, વાતાવરણ અને સંદર્ભોમાં આદેશોને ઓળખવામાં સક્ષમ છે. ડેટાએ આને વધારવામાં મદદ કરી:
- રીઅલ-ટાઇમ વૉઇસ ઓળખ જટિલ વાતાવરણમાં.
- વધુ સચોટ UPI વ્યવહાર વપરાશકર્તાઓની વિશાળ શ્રેણી માટે હેન્ડલિંગ.
- માપનીયતા: આ પ્રોજેક્ટ અન્ય ભારતીય ભાષાઓમાં વિસ્તરણ માટે મજબૂત પાયો નાખે છે.
deliverables
- 200 કલાક ઑડિઓ ફાઇલોની સંખ્યા (8 kHz PCM WAV ફોર્મેટ, મોનો)
- 87,000+ અનન્ય ઉદ્દેશ્યો સાથે ટીકા કરાયેલ વૈવિધ્યસભર પ્રોમ્પ્ટ
- મેટાડેટા: સ્પીકર પ્રોફાઇલ્સ, પર્યાવરણની વિગતો અને ટ્રાન્સક્રિપ્શન ચોકસાઈ
અનોખા પ્રોમ્પ્ટ અને અધિકૃત ઓડિયો રેકોર્ડિંગ દ્વારા ભારતની વિવિધતાને કેપ્ચર કરવાની Shaip ની ક્ષમતા અમારી વૉઇસ-આધારિત UPI ચુકવણી સિસ્ટમ માટે ગેમ-ચેન્જર રહી છે. તેમની ટીમે ખાતરી કરી કે પ્રોજેક્ટના દરેક પાસાને - તાત્કાલિક સર્જનથી લઈને રેકોર્ડિંગ ગુણવત્તા સુધી - ચોકસાઈ સાથે સંભાળવામાં આવે, જે અમને વધુ સમાવિષ્ટ, મજબૂત વૉઇસ ઓળખ મોડેલ બનાવવામાં મદદ કરે છે.
