El proyecto de investigación para aumentar la precisión de los modelos de reconocimiento de voz en tiempo real (Streaming Automatic Speech Recognition) de Le Duy Khanh, ingeniero "GenZ" de Zalo AI, se anunciará por primera vez en la Conferencia Científica Internacional que tendrá lugar en Grecia en septiembre de 2024.
Con el tema " Mejora del reconocimiento de voz en streaming con atención contextual desplazada en el tiempo y enmascaramiento dinámico del contexto correcto " , el artículo de investigación del ingeniero de IA de Zalo nacido en 2000 logró una puntuación casi perfecta: 11/12 puntos, pasando la rigurosa ronda de revisión con más de 2.000 artículos participantes que se presentarán en la Conferencia Interspeech en forma de sesión oral.
“ Estoy muy orgulloso de que mi primer artículo científico haya sido reconocido por una prestigiosa conferencia científica y tengo la oportunidad de presentar los logros de investigación de Vietnam a las grandes tecnologías, a los expertos y a la comunidad internacional ”, compartió Le Duy Khanh.
Bajo la dirección del Dr. Chau Thanh Duc, Jefe del Departamento de Investigación y Desarrollo de Zalo AI, Profesor de la Universidad de Ciencias (Universidad Nacional de la Ciudad de Ho Chi Minh), se espera que este proyecto de investigación haga una contribución importante para mejorar los modelos de reconocimiento de voz, aumentando la precisión del dictado de voz y la conversión de voz a texto en la aplicación Zalo.
“ Sintetizar la investigación altamente práctica de Zalo AI en artículos científicos y presentarlos en prestigiosas conferencias internacionales es de gran importancia. "Esto no sólo demuestra la capacidad de los ingenieros vietnamitas, sino que también muestra el deseo de compartir experiencias y contribuir al desarrollo de la comunidad global de IA", afirmó el Dr. Chau Thanh Duc dijo.
Anteriormente, Zalo integró esta investigación en su aplicación de mensajería a partir de finales de 2023, mejorando significativamente la precisión de la función de "composición de mensajes de voz". Esta función permite a los usuarios redactar mensajes mediante voz en lugar de escribirlos, lo que ahorra tiempo y lo hace más cómodo en muchas situaciones de uso. Al mismo tiempo, la precisión de esta característica ha alcanzado el 95% en la práctica; La tasa de necesidad de volver a editar el texto después de componerlo por voz se redujo del 6,4% a solo el 4,8%.
Según las estadísticas de Zalo, aunque la función aún está en fase de pruebas, ha generado casi 4,5 millones de mensajes por día y atraído a unos 3,2 millones de usuarios mensuales (datos actualizados a junio de 2024).
Desde que comenzó su viaje pionero en la investigación de IA en 2017, Zalo siempre ha creído en “empoderar” a la generación joven. Actualmente, hasta el 31% de los empleados de Zalo pertenecen a la generación GenZ. En 2021, otros dos temas de investigación del equipo de ingeniería de IA de Zalo relacionados con la tecnología de procesamiento de voz también fueron reconocidos en la Conferencia Internacional Asia-Pacífico sobre Inteligencia Artificial (PRICAI 2021). Cabe destacar que los autores de estos dos temas son todos investigadores jóvenes menores de 30 años.
Interspeech es una conferencia internacional de larga trayectoria, completa y prestigiosa sobre procesamiento del habla, organizada por la Asociación Internacional de Comunicación del Habla. Este año, la conferencia con el tema “ El habla y más allá ” tendrá lugar del 1 al 5 de septiembre de 2024 en la isla de Kos (Grecia).
Kommentar (0)