पॉकेट बातचीत को कैप्चर करता है चाहे वह कहीं भी हो रही हो। इसका मतलब है कि इसके ट्रांसक्रिप्शन लेयर को किसी ऐसी चीज़ से निपटना पड़ता है जो मीटिंग-रूम के साफ़ ऑडियो की तुलना में कहीं अधिक कठिन है।
प्रतिलेख
विविधता
गति
10+ स्पीच-टू-टेक्स्ट मॉडलों का 3 महीनों तक परीक्षण करने के बाद, Pocket को एहसास हुआ कि Smallest का Pulse ही एकमात्र ऐसा मॉडल था जो वास्तविक दुनिया के उपयोग के मामलों को संभालने में सक्षम था।
Pocket जैसे उत्पाद इस बात से परिभाषित होते हैं कि वे रोजमर्रा के वातावरण में कितने विश्वसनीय हो सकते हैं।
एक स्पीच-टू-टेक्स्ट मॉडल को रोजमर्रा की स्थितियों को संभालने के लिए, निम्न आवश्यकताओं को पूरा करना होगा:
ऑडियो के बड़े टुकड़ों को संभालने और अत्यधिक तेज़ी से ट्रांसक्रिप्ट जनरेट करने की क्षमता
रोजमर्रा के वातावरण के शोरगुल से वास्तविक बातचीत में अंतर करना
सच्ची दूर-दराज की (फार-फील्ड) ऑडियो क्षमता का समर्थन करना
बातचीत की बारीकियों जैसे कि भावना, बोलियाँ और उच्चारण को समझना
बातचीत को समझना भले ही कोई व्यक्ति अपनी भाषा बदल ले
बड़ी चीजों में थोड़ा समय लगता है
हर मीटिंग का अंत इस बात से होता है कि "अरे, क्या आप मीटिंग के महत्वपूर्ण पल साझा कर सकते हैं"। यदि ट्रांसक्रिप्शन, सारांश और बाकी सब कुछ करने में 1 मिनट से अधिक का समय लगता है, तो हम इस तेज़ गति वाले माहौल के लिए बहुत धीमे हैं।
पल्स (Pulse) बड़ी मात्रा में ऑडियो डेटा को संभाल सकता है और रिकॉर्ड गति से सटीक ट्रांसक्रिप्ट तैयार कर सकता है।
शोर होने दो
पल्स न केवल अन्य सभी मॉडलों की तुलना में वर्ड एरर रेट (WER) में सबसे आगे है, बल्कि इसकी वास्तविक ताकत उस समय भी बेहतरीन प्रदर्शन करने की है जब माहौल रियो के कार्निवल से भी अधिक शोरगुल वाला हो।
दूसरी तरफ से नमस्कार।
कमरों की अपनी भूमिकाएं होती हैं। आप किसी कमरे में जाते हैं और कमरे की अकॉस्टिक्स (ध्वनिकी), अपनी आवाज़ के रिफ्लेक्शंस (गूंज) और इन्वर्स-स्क्वायर लॉ (व्युत्क्रम-वर्ग नियम) के बारे में सोचे बिना बात करना शुरू कर देते हैं। लेकिन आपके नोट-लेकर (नोट्स लिखने वाले) को अभी भी इस बात की परवाह होती है कि आप क्या कह रहे हैं। पल्स (Pulse) इन कमरों में शानदार ढंग से काम करता है। पल्स आपके द्वारा कहे गए हर एक शब्द की परवाह करता है।
महत्व इस बात का नहीं है कि आप क्या कहते हैं। महत्व इस बात का है कि आप उसे कैसे कहते हैं।
हर इंसान स्वाभाविक रूप से हर शब्द के लिए एक भावना चुनता है, एक ही शब्द को कई अलग-अलग तरीकों से कहता है और दिन के अलग-अलग समय पर उसका उच्चारण भी अलग-अलग करता है। एक अच्छा मॉडल अंतर करना जानता होगा।
तुम भी, द्विभाषी?
शानदार बातचीत की कोई तय पटकथा नहीं होती, वे एक भाषा से दूसरी भाषा में जैसे चाहें वैसे बहती हैं। पल्स न केवल 70 से अधिक भाषाओं का समर्थन करता है, बल्कि यह यह भी समझता है कि जब आप मसालेदार मार्गरिटा का आनंद लेते हुए "मा मा मिया" से "अनादर वन!" पर कोड स्विच करते हैं।
