KI-gestützte Spracherkennung tritt in eine neue Phase ein: Umfassendes globales Verständnis
Ein Spracherkennungs-Startup hat einen ehrgeizigen Weg eingeschlagen, um Apple, Google und andere Tech-Giganten zu überholen. Kann KI alle 7.000 Sprachen der Welt verstehen?
Ein Spracherkennungs-Startup hat gerade eine Serie-B-Finanzierung in Höhe von 62 Millionen US-Dollar erhalten. Wie wird das Geld verwendet? In dem Bestreben, einen Computer in die Lage zu versetzen, jede Stimme der Welt zu verstehen.
Wenn Ihnen das nicht sehr ehrgeizig vorkommt, haben Sie nicht genug Zeit damit verbracht, Siri dazu zu bringen, eine Textnachricht zu verfassen. Die Spracherkennung war eine große Herausforderung für Entwickler, und es ist ein Puzzle, das in einer Vielzahl von Branchen genau beobachtet wird. Die Technologie hat Auswirkungen auf Mensch-Maschine-Schnittstellen in Bereichen wie Robotik, autonome Fahrzeuge und Personal Computing, die alle von Computern profitieren werden, die natürliche Sprache genau interpretieren können.
Die Spracherkennung ist also eine Art technologischer Einstiegspunkt, ein Marktbedarf, der dazu beitragen kann, die Entwicklung von Technologien voranzutreiben, die eine breite Resonanz und unkalkulierbare Auswirkungen auf die Art und Weise haben, wie wir mit Maschinen interagieren.
Es ist auch eine Aktienemission. Es überrascht nicht, dass die Spracherkennung derzeit für einen kleinen Teil der Weltbevölkerung gut funktioniert.
Ein großer Teil der Herausforderung ist das Trainingsmodell. Die meisten Trainingsdaten müssen manuell klassifiziert werden, was bedeutet, dass Genauigkeit nur über eine sehr kleine Gruppe von Sprechern erreicht werden kann (es überrascht nicht, dass diese schmale Gruppe genau den wertvollsten Verbrauchern entsprach). Speechmatics verfolgt einen anderen Ansatz, um eine repräsentativere Spracherkennung zu erreichen.
Basierend auf Datensätzen, die in der Stanford-Studie "Racial Disparities in Speech Recognition" verwendet wurden, verzeichnete Speechmatics eine Gesamtgenauigkeit von 82,8 % für afroamerikanische Stimmen im Vergleich zu Google (68,6 %) und Amazon (68,6 %). Diese Genauigkeit entspricht einer Reduzierung der Spracherkennungsfehler um 45 % - das entspricht drei Wörtern in einem durchschnittlichen Satz.
Die Engine ist Hunderttausenden von einzelnen Stimmen ausgesetzt, die unbeschriftete, repräsentativere Sprachdaten verwenden, die kein menschliches Eingreifen erfordern. Das hat dazu beigetragen, die Berichterstattung über englischsprachige Menschen hinaus zu steigern.
"Unsere Fortschritte in den letzten Jahren haben uns mit Interesse von Investoren für unsere Serie-B-Kapitalerhöhung überschwemmt", sagt Katy Wigdahl, CEO. "Das Team von Speechmatics ist sehr ehrgeizig. Wir haben eine echte Tradition in der Sprachtechnologie in Kombination mit einigen der talentiertesten Experten für Sprache und maschinelles Lernen der Welt."
Derzeit versteht die Engine 34 Sprachen, ein kleiner Tropfen auf einem sehr großen linguistischen Stein (es werden weltweit über 7.000 Sprachen gesprochen). Aber die Plattform hat beeindruckende Fortschritte bei Interpunktion, Zahlen, Währungen und Adressen gemacht, die traditionell Spracherkennungs-Engines behindern.
All dies hat bei dem britischen Unternehmen großes Interesse geweckt. Unternehmen wie 3Play Media, Veritone, Deloitte UK und Vonage sowie Regierungsbehörden auf der ganzen Welt nutzen die Plattform.
Im Einklang mit seinen globalen Zielen hat Speechmatics seinen Hauptsitz in Großbritannien, verfügt aber über Niederlassungen in Boston (USA), Chennai (Indien) und Brünn (Tschechische Republik). Das Unternehmen wird die Investition nutzen, um die globale Expansion in den Vereinigten Staaten und im asiatisch-pazifischen Raum zu unterstützen.