AudioShake The Refinery, karışık sesi eğitim verisine dönüştürüyor

Neler değişiyor?

AudioShake, 8 Ekim’de duyurduğu The Refinery ile şirket arşivlerindeki ve lisanslı veri kümelerindeki tek kanallı kayıtları yapılandırılmış eğitim verisine dönüştürüyor. Sistem, özgün steme veya oturum dosyasına ihtiyaç duymadan üst üste binen konuşmacıları ayrı ve etiketli ses kanalları olarak çıkarıyor; şirket, sonuçların sentezlenmediğini ve doğrudan gerçek kayıttan ayrıştırıldığını belirtiyor.

Multi-Speaker 2.0 tabanlı akış, konuşmacı ataması ve ayrıştırma kalitesi için güven puanları sağlıyor; diyalog, müzik ve arka plan sesini de bölebiliyor. AudioShake’in LibriCSS değerlendirmesinde ayrıştırılmış kanallar, test edilen açık kaynak tabana kıyasla 4,1 kat daha az yazıya döküm hatası üretti. Şirket, erken sürümlerin 100 milyondan fazla dakika sesi işlediğini söylüyor.

The Refinery; ASR, konuşmacı tanıma, TTS ve konuşma yapay zekâsı geliştiren ekipleri hedefliyor. Çıktılar API üzerinden veya verinin dışarı çıkmaması gereken durumlarda kurum içi ortamda sunulabiliyor. Resmî Hugging Face demosu, üst üste binen konuşmaların ayrı kanallara ayrılmasını ve güven puanlarının nasıl okunacağını gösteriyor.