Gnani AI ਨੇ ਆਪਣਾ ਨਵਾਂ Speech-to-Text ਮਾਡਲ Prisma v3.0 ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜੋ ਖਾਸ ਤੌਰ 'ਤੇ ਭਾਰਤੀ ਟੈਲੀਫੋਨੀ ਦੀਆਂ ਗੁੰਝਲਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਤਕਨਾਲੋਜੀ ਖੇਤਰੀ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਇੰਗਲਿਸ਼ ਦੇ ਮਿਸ਼ਰਣ (Code-mixed) ਨੂੰ ਬਹੁਤ ਸਟੀਕਤਾ ਨਾਲ ਸਮਝ ਸਕਦੀ ਹੈ।
ਭਾਰਤੀ ਲਹਿਜ਼ਿਆਂ ਦੀ ਪਛਾਣ ਵਿੱਚ ਮਾਹਰ
Prisma v3.0 ਨੂੰ ਆਮ AI ਮਾਡਲਾਂ ਤੋਂ ਵੱਖਰਾ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਜਿੱਥੇ ਗਲੋਬਲ ਮਾਡਲ ਭਾਰਤੀ ਖੇਤਰੀ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਇੰਗਲਿਸ਼ ਦੇ ਮਿਸ਼ਰਣ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੇ ਹਨ, ਉੱਥੇ ਇਹ ਨਵਾਂ ਮਾਡਲ 16.9% ਦੇ ਮੈਕਰੋ ਵਰਡ ਐਰਰ ਰੇਟ ਦੇ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹ ਟ੍ਰੇਨਿੰਗ ਖਾਸ ਤੌਰ 'ਤੇ ਭਾਰਤੀ ਕਾਲ ਸੈਂਟਰਾਂ ਦੇ ਸ਼ੋਰ-ਸ਼ਰਾਬੇ ਵਾਲੇ ਮਾਹੌਲ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖ ਕੇ ਦਿੱਤੀ ਗਈ ਹੈ।
ਐਂਟਰਪ੍ਰਾਈਜ਼ ਲਈ ਚਾਰ ਖਾਸ ਮੋਡ
ਕੰਪਨੀ ਨੇ ਵੱਖ-ਵੱਖ ਬਿਜ਼ਨਸ ਜ਼ਰੂਰਤਾਂ ਲਈ ਇਸ ਵਿੱਚ ਚਾਰ ਮੋਡ ਦਿੱਤੇ ਹਨ:
- Verbatim Mode: ਕਾਨੂੰਨੀ ਜਾਂਚ ਅਤੇ ਕੰਪਲਾਇੰਸ ਲਈ ਹਰ ਸ਼ਬਦ ਕੈਪਚਰ ਕਰਦਾ ਹੈ।
- Transcribe Mode: ਸਾਫ਼ ਅਤੇ ਨਾਰਮਲਾਈਜ਼ਡ ਟੈਕਸਟ ਲਈ।
- Code-mix Mode: ਖੇਤਰੀ ਭਾਸ਼ਾ ਦੀ ਲਿਪੀ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਦਾ ਹੈ।
- Transliterate Mode: ਖੇਤਰੀ ਭਾਸ਼ਾ ਨੂੰ ਇੰਗਲਿਸ਼ ਅੱਖਰਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ।
ਮਾਰਕੀਟ ਵਿੱਚ ਪ੍ਰਭਾਵ
Gnani AI ਇਸ ਸਮੇਂ ਰੋਜ਼ਾਨਾ ਲਗਭਗ 5 ਕਰੋੜ (50 million) ਵੌਇਸ ਇੰਟਰੈਕਸ਼ਨ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰ ਰਹੀ ਹੈ। ਇਹ ਨਵਾਂ ਮਾਡਲ ਕੰਪਨੀਆਂ ਨੂੰ 200 ਕਸਟਮ ਕੀਵਰਡਸ ਤੱਕ ਇਨਪੁਟ ਦੇਣ ਦੀ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਡਕਟ ਦੇ ਨਾਵਾਂ ਨੂੰ ਸਮਝਣਾ ਹੋਰ ਆਸਾਨ ਹੋ ਜਾਵੇਗਾ। ਹੁਣ ਦੇਖਣਾ ਇਹ ਹੋਵੇਗਾ ਕਿ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਇਸ ਨੂੰ ਅਪਣਾਉਂਦੀਆਂ ਹਨ।