ਆਪਣੇ ਆਟੋਮੈਟਿਕ ਸਪੀਚ ਰਿਕੋਗਨੀਸ਼ਨ (ASR) ਮਾਡਲਾਂ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ ਕਈ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਔਫ-ਦ-ਸ਼ੈਲਫ ਵੌਇਸ / ਸਪੀਚ / ਆਡੀਓ ਡੇਟਾਸੇਟਸ
ਇੱਕ ਸਪੀਚ/ਆਡੀਓ ਡੇਟਾਸੈਟ ਆਡੀਓ ਫਾਈਲਾਂ ਅਤੇ ਸੰਬੰਧਿਤ ਡੇਟਾ ਦਾ ਇੱਕ ਸੰਗ੍ਰਹਿ ਹੈ, ਮੁੱਖ ਤੌਰ 'ਤੇ ਆਵਾਜ਼ ਨਾਲ ਸਬੰਧਤ ਮਸ਼ੀਨ-ਸਿਖਲਾਈ ਕਾਰਜਾਂ ਵਿੱਚ ਸਿਖਲਾਈ ਅਤੇ ਟੈਸਟਿੰਗ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਅਜਿਹੇ ਡੇਟਾਸੈਟਾਂ ਵਿੱਚ ਅਕਸਰ ਬੋਲੇ ਗਏ ਸ਼ਬਦ, ਵਾਕਾਂਸ਼, ਅੰਬੀਨਟ ਧੁਨੀਆਂ, ਸੰਗੀਤ, ਐਨੋਟੇਸ਼ਨ, ਅਤੇ ਕਈ ਵਾਰ ਰਿਕਾਰਡਿੰਗ ਸਥਿਤੀਆਂ ਬਾਰੇ ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਜਾਂ ਮੈਟਾਡੇਟਾ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ।
ਸਪੀਚ/ਆਡੀਓ ਡੈਟਾਸੈੱਟ AI ਮਾਡਲਾਂ ਨੂੰ ਧੁਨੀ ਦੇ ਪੈਟਰਨਾਂ ਨੂੰ ਪਛਾਣਨ, ਉਤਪੰਨ ਕਰਨ ਜਾਂ ਬਦਲਣ ਲਈ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਨ, ਭਾਸ਼ਣ ਪਛਾਣ, ਧੁਨੀ ਵਰਗੀਕਰਨ, ਅਤੇ ਆਡੀਓ ਸੰਸਲੇਸ਼ਣ ਵਰਗੇ ਕਾਰਜਾਂ ਨੂੰ ਸਮਰੱਥ ਕਰਦੇ ਹਨ।
ਉੱਚ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਰਿਕਾਰਡਿੰਗਾਂ, ਸ਼ੋਰ ਘਟਾਉਣ, ਇਕਸਾਰ ਲੇਬਲਿੰਗ, ਅਤੇ ਸਥਾਪਿਤ ਬੈਂਚਮਾਰਕਾਂ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਕਤਾ ਦੁਆਰਾ ਗੁਣਵੱਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।
ਇਹ ਡੇਟਾਸੈੱਟ ਵੌਇਸ ਅਸਿਸਟੈਂਟਸ ਜਾਂ ਚੈਟਬੋਟਸ ਨੂੰ ਮਨੁੱਖੀ ਭਾਸ਼ਣ ਨੂੰ ਸਮਝਣ ਅਤੇ ਤਿਆਰ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੰਦੇ ਹਨ, ਅਵਾਜ਼ ਰਾਹੀਂ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਅਤੇ ਹੁਕਮ ਚਲਾਉਣ ਦੀ ਸਹੂਲਤ ਦਿੰਦੇ ਹਨ।
ਮੈਟਾਡੇਟਾ ਸੰਦਰਭ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਰਿਕਾਰਡਿੰਗ ਸਥਿਤੀਆਂ ਜਾਂ ਸਪੀਕਰ ਜਨਸੰਖਿਆ, ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂਯੋਗਤਾ ਨੂੰ ਵਧਾਉਣਾ ਅਤੇ ਵਧੇਰੇ ਸ਼ੁੱਧ ਮਾਡਲ ਸਿਖਲਾਈ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਆਗਿਆ ਦੇਣਾ।
