ਮੁੱਖ ਵਾਕਾਂਸ਼/ਪ੍ਰੋਂਪਟ ਆਡੀਓ ਸੰਗ੍ਰਹਿ

ਦਾ ਹੱਲ

ਸ਼ੈਪ ਨੇ ਗੱਲਬਾਤ ਵਾਲੀ ਏਆਈ ਸਪੇਸ ਵਿੱਚ ਆਪਣੀ ਮੁਹਾਰਤ ਨਾਲ ਕਲਾਇੰਟ ਨੂੰ ਇਸ ਨਾਲ ਸਮਰੱਥ ਬਣਾਇਆ:

• ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ: ਨਿਰਧਾਰਤ ਸਮਾਂ ਸੀਮਾ ਵਿੱਚ 208 ਬੋਲਣ ਵਾਲਿਆਂ ਤੋਂ 12 ਗਲੋਬਲ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ 2800k ਮੁੱਖ ਵਾਕਾਂਸ਼/ਬ੍ਰਾਂਡ ਪ੍ਰੋਂਪਟ ਇਕੱਠੇ ਕੀਤੇ ਗਏ
• ਵਿਭਿੰਨ ਲਹਿਜ਼ੇ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ: ਦੁਨੀਆ ਭਰ ਦੇ ਮਾਹਿਰ ਭਰਤੀ ਕੀਤੇ ਗਏ, ਲੋੜੀਂਦੇ ਲਹਿਜ਼ੇ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਨਿਪੁੰਨ।
• ਸੰਦਰਭ ਅਤੇ ਇਰਾਦੇ ਦੀ ਪਛਾਣ: ਹਰੇਕ ਸਪੀਕਰ ਨੂੰ ਮੁੱਖ ਵਾਕਾਂਸ਼ਾਂ ਨੂੰ 20 ਵੱਖ-ਵੱਖ ਰੂਪਾਂ ਵਿੱਚ ਰਿਕਾਰਡ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਸੀ, ਜਿਸ ਨਾਲ ML ਮਾਡਲਾਂ ਨੂੰ ਸੰਦਰਭ ਅਤੇ ਇਰਾਦੇ ਦੇ ਰੂਪ ਵਿੱਚ ਉਪਭੋਗਤਾ ਬੇਨਤੀਆਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸਮਝਣ ਦੇ ਯੋਗ ਬਣਾਇਆ ਗਿਆ ਸੀ।
• ਬੈਕਗ੍ਰਾਊਂਡ ਸ਼ੋਰ ਹੈਂਡਲਿੰਗ: ਮੁੱਢਲੀ ਆਡੀਓ ਗੁਣਵੱਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਨਿਸ਼ਚਿਤ ਕੀਤਾ ਹੈ ਕਿ ਮੁੱਖ ਵਾਕਾਂਸ਼ਾਂ ਨੂੰ 40dB ਤੋਂ ਘੱਟ ਸ਼ੋਰ ਪੱਧਰ ਦੇ ਨਾਲ ਇੱਕ ਸ਼ਾਂਤ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੈਪਚਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਟੀਵੀ, ਰੇਡੀਓ, ਸੰਗੀਤ, ਭਾਸ਼ਣ, ਜਾਂ ਗਲੀ ਦੀਆਂ ਆਵਾਜ਼ਾਂ ਵਰਗੀਆਂ ਬੈਕਗ੍ਰਾਉਂਡ ਗੜਬੜੀਆਂ ਤੋਂ ਰਹਿਤ।
• ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣਾ: ਪੱਖਪਾਤ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ, ਅਸੀਂ ਵਿਭਿੰਨ ਖੇਤਰਾਂ ਦੇ ਵਿਅਕਤੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਅਤੇ 50% ਪੁਰਸ਼ਾਂ ਅਤੇ 50% ਔਰਤਾਂ ਦੇ ਨਾਲ ਇੱਕ ਸੰਤੁਲਿਤ ਜਨਸੰਖਿਆ ਪ੍ਰਤੀਨਿਧਤਾ ਬਣਾਈ ਰੱਖੀ, 18 ਤੋਂ 60 ਸਾਲ ਤੱਕ ਦੇ ਉਮਰ ਸਮੂਹਾਂ ਵਿੱਚ।
• ਰਿਕਾਰਡਿੰਗ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼: ਮੁੱਖ ਵਾਕਾਂਸ਼ਾਂ ਨੂੰ ਇਕਸਾਰ, ਸਧਾਰਣ ਭਾਸ਼ਣ ਪੈਟਰਨ ਵਿਚ ਕੈਪਚਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਬਿਨਾਂ ਕਿਸੇ ਭਿੰਨਤਾਵਾਂ ਜਿਵੇਂ ਕਿ ਤੇਜ਼ ਜਾਂ ਹੌਲੀ ਪੈਸਿੰਗ। ਇਸ ਗੱਲ ਦੀ ਗਾਰੰਟੀ ਦੇਣ ਲਈ ਕਿ ਭਾਸ਼ਣ ਦਾ ਕੋਈ ਵੀ ਹਿੱਸਾ ਅਣਜਾਣੇ ਵਿੱਚ ਕੱਟਿਆ ਨਹੀਂ ਗਿਆ ਸੀ, ਸ਼ੁਰੂ ਅਤੇ ਅੰਤ ਵਿੱਚ 2-ਸਕਿੰਟ ਦੀ ਚੁੱਪ।
• ਰਿਕਾਰਡਿੰਗ ਫਾਰਮਟਾ: ਆਡੀਓ ਨੂੰ 16kHz 'ਤੇ ਰਿਕਾਰਡ ਕੀਤਾ ਗਿਆ ਸੀ, ਮੋਨੋ ਵਿੱਚ 16-bit PCM, ਇੱਕ ਸਿੰਗਲ ਚੈਨਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਅਤੇ WAV ਫਾਈਲ ਫਾਰਮੈਟ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਆਡੀਓ ਅਣਪ੍ਰੋਸੈਸਡ ਰਹਿੰਦਾ ਹੈ, ਮਤਲਬ ਕਿ ਕੰਪਰੈਸ਼ਨ, ਰੀਵਰਬ, ਜਾਂ EQ ਦੀ ਕੋਈ ਵਰਤੋਂ ਨਹੀਂ ਸੀ।
• ਕੁਆਲਟੀ: ਹਰ ਭਾਸ਼ਣ ਰਿਕਾਰਡਿੰਗ ਨੂੰ ਸਖ਼ਤ ਗੁਣਵੱਤਾ ਜਾਂਚ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਦੇ ਅਧੀਨ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸ ਮੁਲਾਂਕਣ ਨੂੰ ਪਾਸ ਕਰਨ ਵਾਲੀਆਂ ਸਿਰਫ਼ ਰਿਕਾਰਡਿੰਗਾਂ ਹੀ ਦਿੱਤੀਆਂ ਗਈਆਂ ਸਨ। ਕੋਈ ਵੀ ਫਾਈਲਾਂ ਜੋ ਸਹਿਮਤ ਹੋਏ ਗੁਣਵੱਤਾ ਮਾਪਦੰਡਾਂ ਤੋਂ ਘੱਟ ਸਨ, ਦੁਬਾਰਾ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਗਈਆਂ ਅਤੇ ਬਿਨਾਂ ਕਿਸੇ ਵਾਧੂ ਖਰਚੇ ਦੇ ਪ੍ਰਦਾਨ ਕੀਤੀਆਂ ਗਈਆਂ