Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

NVIDIA đã vạch ra một quy trình làm việc được thiết kế để cải thiện các hệ thống nhận dạng giọng nói lâm sàng thông qua việc tạo ra âm thanh tổng hợp có tính đến phát âm và đánh giá có cấu trúc. Phương pháp này nhắm đến các thuật ngữ y tế mà các mô hình giọng nói thông thường thường khó nhận dạng chính xác.

Công ty giải thích rằng tên thuốc, quy trình điều trị, thuật ngữ giải phẫu và chẩn đoán đặt ra những thách thức riêng biệt đối với trí tuệ nhân tạo giọng nói. Bằng cách sử dụng NeMo Data Designer và Nemotron Speech, các nhà phát triển có thể tạo ra các bộ dữ liệu tổng hợp giữ nguyên cách phát âm đã được xem xét và hỗ trợ việc tạo ra các tiêu chuẩn đánh giá.

Khả năng của tác nhân AI hướng dẫn người dùng thông qua việc lựa chọn thuật ngữ chuyên ngành, xác thực phát âm, tạo âm thanh, phân tích phiên âm và đưa ra các quyết định cải tiến mô hình. Một kịch bản thực hành chỉnh hình đã được sử dụng để minh họa quy trình làm việc và quá trình đánh giá chuẩn.

NVIDIA lưu ý rằng âm thanh tổng hợp không thể thay thế cho các bản ghi âm lâm sàng thực tế, nhưng cung cấp một phương pháp thiết thực để kiểm tra các thuật ngữ hiếm gặp và tăng tốc quá trình lặp lại mô hình. Các bản mở rộng tiêu chuẩn Future dự kiến ​​sẽ tích hợp thêm người nói, điều kiện âm thanh và dữ liệu xác thực thực tế.