தானியங்கி பேச்சு அங்கீகாரத்திற்கான உயர்தர ஆடியோ தரவை எவ்வாறு சேகரிப்பது

துல்லியமான ASR (தானியங்கி பேச்சு அங்கீகாரம்) சரியான தரவுடன் தொடங்குகிறது - "அதிக" தரவு அல்ல. உங்கள் சேகரிப்புத் திட்டம் உண்மையான பயனர்கள் எவ்வாறு பேசுகிறார்கள் என்பதைப் பிரதிபலிக்க வேண்டும்: உச்சரிப்புகள் மற்றும் பேச்சுவழக்குகள், பின்னணி இரைச்சல், சாதன மைக்குகள், சேனல் கோடெக்குகள் மற்றும் மக்கள் வாக்கியத்தின் நடுவில் மொழிகளை எவ்வாறு மாற்றுகிறார்கள். மாதிரிகள் (மற்றும் இணக்கக் குழுக்கள்) நம்பக்கூடிய ஆடியோவைச் சேகரிக்க, லேபிளிட மற்றும் நிர்வகிக்க இந்த வழிகாட்டி நடைமுறை, தனியுரிமை-முதல் செயல்முறையின் வழியாக செல்கிறது.

பேச்சு அங்கீகார மாதிரிகளுக்கான ஆடியோ சேகரிப்பு செயல்முறை

1) தரவு இலக்கை அமைக்கவும் (நீங்கள் பதிவு செய்வதற்கு முன்)

மாதிரி எதைப் புரிந்து கொள்ள வேண்டும், எந்த சூழ்நிலையில் இருக்க வேண்டும் என்பதை வரையறுக்கவும். ஒரு இறுக்கமான நோக்கம் வீணான சேகரிப்பைத் தடுக்கிறது மற்றும் QA ஐ அளவிடக்கூடியதாக ஆக்குகிறது.

• பயன்பாட்டு வழக்குகள்: டிக்டேஷன், தொடர்பு மையம், கட்டளைகள், கூட்டங்கள், IVR
• மொழிகள்/கிளைமொழிகள் & எதிர்பார்க்கப்படும் குறியீடு மாறுதல்
• சேனல்கள் & சூழல்கள்: தொலைபேசி, பயன்பாடு/டெஸ்க்டாப், தொலைதூர; அமைதியான vs சத்தம்
• இலக்கு அளவீடுகள்: WER/CER, நிறுவன துல்லியம், நாட்குறிப்பு, தாமதம் (ஸ்ட்ரீமிங் செய்தால்)
• டெலிவரி செய்யக்கூடியது: ஒரு பக்கம் தரவு விவரக்குறிப்பு எல்லோரும் கையொப்பமிடுகிறார்கள்

2) மாதிரித் திட்டம்: யார், எங்கே, எவ்வளவு

முடிவுகள் பொதுமைப்படுத்தப்பட்டு நியாயமாக இருக்க, பேச்சாளர்கள், உச்சரிப்புகள், சாதனங்கள் மற்றும் சத்தம் ஆகியவற்றை சமநிலைப்படுத்துங்கள். முன்கூட்டியே ஒவ்வொரு "ஸ்லைஸுக்கும்" மணிநேரங்களைத் திட்டமிடுங்கள்.

• பேச்சாளர் பன்முகத்தன்மை: பகுதி, வயது வரம்பு, பாலினம், பேச்சு வீதம்
• பேச்சுவழக்கிற்கு உச்சரிப்பு ஒதுக்கீடுகள் (எ.கா., ஒவ்வொன்றும் 10–15%)
• உச்சரிப்பு கலவை: படிக்க, உரையாடல், கட்டளை/வினவல்
  
• சொல்லகராதி கவனம்: டொமைன் சொற்கள், எண்கள்/தேதிகள்/அலகுகள்
• அடுக்கு: சாதனம் × சூழல் × உச்சரிப்பு குறைந்தபட்ச மணிநேரங்களுடன்

3) ஒப்புதல், தனியுரிமை மற்றும் இணக்கம்

யாரையும் ஆன்போர்டு செய்வதற்கு முன் அனுமதிகள் மற்றும் தரவு கையாளுதலைப் பூட்டுங்கள். PII/PHI ஐ ஒரு தனி, நிர்வகிக்கப்பட்ட சொத்தாகக் கருதுங்கள்.

• தெளிவான ஒப்புதல் (நோக்கம், தக்கவைத்தல், பகிர்தல், விலகல்)
• அடையாளத்தை நீக்கு முன்கூட்டியே; மறு அடையாள விசைகளை தனித்தனியாக சேமிக்கவும்.
• குடியிருப்பு மற்றும் சட்டங்கள்: HIPAA/GDPR/உள்ளூர் விதிகள்
• அணுகல்: குறைந்த சலுகை + தணிக்கை பாதை

4) பதிவு அமைப்பு மற்றும் நெறிமுறைகள்

தொடர்ச்சியான பிடிப்பு லேபிள் சத்தத்தைக் குறைத்து மாதிரி தரத்தை அதிகரிக்கிறது. வன்பொருள், அமைப்புகள் மற்றும் காட்சிகளை தரப்படுத்தவும்.

• வன்பொருள்: அங்கீகரிக்கப்பட்ட தொலைபேசிகள்/மைக்ரோஃபோன்கள்; பதிவு தயாரிப்பு/மாடல்
  
• அமைப்புகள்: WAV/FLAC, மோனோ, 16-பிட், 16 கிலோஹெர்ட்ஸ்+
  காட்சிகள்: அமைதியான அடிப்படை + கட்டுப்படுத்தப்பட்ட சத்தம் (கஃபே, போக்குவரத்து, அலுவலகம்)
• தூண்டுதல்கள்: ஸ்கிரிப்டுகள், ரோல்-ப்ளேக்கள், கட்டளை பட்டியல்கள்
• ஆபரேட்டர் குறிப்புகள்: மைக் தூரம், அறை அளவு, இருக்கை

5) முக்கியமான மெட்டாடேட்டா

சிறந்த மெட்டாடேட்டா உங்கள் தரவுத்தொகுப்பை மீண்டும் பயன்படுத்தக்கூடியதாகவும் பிழைத்திருத்தக்கூடியதாகவும் ஆக்குகிறது. நீங்கள் பயன்படுத்துவதை மட்டும் பதிவுசெய்யவும்.

• மொழி/மொழி, உச்சரிப்பு குறிச்சொல், சாதனம்/OS, மைக் வகை
• சுற்றுச்சூழல், SNR மதிப்பீடு, சேனல் (PSTN/VoIP)
• புனைப்பெயர் கொண்ட பேச்சாளர் புலங்கள் (வயது வரம்பு, பகுதி, ஒப்புதல் பதிப்பு)
• கோப்பு பெயரிடுதல்: _ _ _ _ _ _ .வேவ்

6) சிறுகுறிப்பு வழிகாட்டுதல்கள் மற்றும் கருவிகள்

நிலையான லேபிள்கள் பெரிய தரவுத்தொகுப்புகளை விட சிறந்தவை. சுருக்கமான, பதிப்பு செய்யப்பட்ட பாணி வழிகாட்டி என்பது பேரம் பேச முடியாதது.

• விதிகள்: உறை, நிறுத்தற்குறிகள், எண்கள், தயக்கங்கள், ஒன்றுடன் ஒன்று
• குறிச்சொற்கள்: குறியீடு-மாற்ற குறிப்பான்கள், தனி-பெயர்ச்சொல் அகராதி, உள்ளூர் எழுத்துப்பிழைகள்
• திசைமாற்றப் பணிப்பாய்வு: திருப்பங்களைச் சரிசெய்தல், மேற்பொருந்துதல்களைக் குறிக்கவும்; சொல் நேர முத்திரைகள்
• கருவிகள்: ஹாட் கீகள், QA பேனல், லெக்சிகன் ப்ராம்ட்கள்

7) தர உத்தரவாதம் (பல அடுக்கு)

உங்களால் முடிந்ததை தானியக்கமாக்கி, பின்னர் மனிதர்களுடன் மாதிரியாக்குங்கள். ஒப்பந்தத்தைக் கண்காணித்து, ஹாட்ஸ்பாட்களை முன்கூட்டியே சரிசெய்யவும்.

• தானியங்கி வாயில்கள்: வடிவம், கிளிப்பிங்/அமைதி, கால அளவு, மெட்டாடேட்டா முழுமை
• மனித QA: இரட்டை டிரான்ஸ்கிரிப்ட் + தீர்ப்பு; தடம் ஐஏஏயில்
  
• தங்கத் தொகுப்பு (2–5%): விற்பனையாளர்கள்/குறிப்பாளர்களை மதிப்பிடுவதற்கான நிபுணர் லேபிள்கள்
• அளவீடுகள்: WER/CER (உச்சரிப்பு/சாதனம்/இரைச்சல் மூலம்), நிறுவனம் & டயரிசேஷன் துல்லியம், பாணி இணக்கம்

8) கசிவு ஏற்படாத ரயில்/வால்/சோதனை பிளவுகள்

நேர்மையான மதிப்பெண்களைப் பெற பேச்சாளர்களைப் பிரித்து வைக்கவும். தேர்வில் "கடினமான" சூழ்நிலைகளை சமநிலைப்படுத்தவும்.

• பேச்சாளர் நிலை பிரிப்பு (குறுக்குப் பிரிப்பு ஸ்பீக்கர்கள் இல்லை)
• சமப்படுத்தப்பட்ட உச்சரிப்பு/சாதனம்/இரைச்சல் விகிதங்கள்
• கடினமான வழக்குகள்: குறைந்த SNR, ஒன்றுடன் ஒன்று இணைதல், வேகமான பேச்சு, கடுமையான குறியீடு மாற்றம், வாசக அழுத்த சோதனைகள்

9) பாதுகாப்பான சேமிப்பு மற்றும் நிர்வாகம்

பேச்சுத் தரவு உணர்திறன் கொண்டது - மூலக் குறியீடு மற்றும் PII போல அதை நிர்வகிக்கவும்.

• ஓய்வு/போக்குவரத்தில் குறியாக்கம்; ஆடியோ/உரையிலிருந்து PII ஐப் பிரிக்கவும்.
• RBAC, நேரப் பெட்டி விற்பனையாளர் அணுகல், தணிக்கைப் பதிவுகள்
• வாழ்க்கைச் சுழற்சி: தக்கவைத்தல், நீக்குதல் பணிப்பாய்வுகள், மறு லேபிள்களுக்கான பதிப்பு.

10) பேக்கேஜிங் மற்றும் டெலிவரி

மாடலர்களுக்கு டிராப்ஸ் ப்ளக்-அண்ட்-ப்ளேவை உருவாக்குங்கள், இதனால் அவர்கள் வேகமாக மீண்டும் செய்கிறார்கள்.

• தொகுப்பு: ஆடியோ + டிரான்ஸ்கிரிப்டுகள் (JSON/CSV), சொல் நேர முத்திரைகள், பேச்சாளர் லேபிள்கள், நம்பிக்கைகள்
• தரவு அட்டை: முறைகள், மக்கள்தொகையியல், வரம்புகள், QA புள்ளிவிவரங்கள், உரிமம்
• மாற்றப் பதிவு: புதியது என்ன (உச்சரிப்புகள்/சாதனங்கள், வழிகாட்டுதல் புதுப்பிப்புகள்)

மினி சரிபார்ப்புப் பட்டியல்கள்