کار میں صوتی ڈیٹا اکٹھا کرنا

حل

Shaip نے بات چیت کی AI جگہ میں اپنی مہارت کے ساتھ کلائنٹ کو اس کے ساتھ فعال کیا:

• ڈیٹا کا مجموعہ: مقررہ مدت میں 208 بولنے والوں سے 12 عالمی زبانوں میں 2800k کلیدی جملے/برانڈ پرامپٹس جمع کیے گئے
• متنوع لہجے اور بولیاں: دنیا بھر سے بھرتی کیے گئے ماہرین، مطلوبہ لہجوں اور بولیوں میں ماہر۔
• سیاق و سباق اور ارادے کی شناخت: ہر مقرر کو 20 مختلف تغیرات میں کلیدی جملے ریکارڈ کرنے کا کام سونپا گیا تھا، جس سے ML ماڈلز کو سیاق و سباق اور ارادے کے لحاظ سے صارف کی درخواستوں کو درست طریقے سے سمجھنے کے قابل بنایا گیا تھا۔
• پس منظر شور ہینڈلنگ: قدیم آڈیو کوالٹی کو یقینی بنانے کے لیے، ہم نے یقینی بنایا کہ کلیدی جملے 40dB سے کم شور کی سطح کے ساتھ ایک پرسکون ماحول میں کیپچر کیے گئے ہیں، جو کہ ٹی وی، ریڈیو، موسیقی، تقریر، یا سڑک کی آوازوں جیسے پس منظر میں خلل سے خالی ہیں۔
• تعصب کو کم کرنا: تعصب کو کم کرنے کے لیے، ہم نے متنوع علاقوں سے تعلق رکھنے والے افراد کو شامل کیا اور 50% مرد اور 50% خواتین کے ساتھ متوازن آبادیاتی نمائندگی کو برقرار رکھا، جس کی عمر کے گروپ 18 سے 60 سال کے درمیان تھے۔
• ریکارڈنگ کے رہنما خطوط: کلیدی جملے تیز یا سست رفتار جیسے کسی تغیر کے بغیر، ایک مستقل، عام تقریر کے پیٹرن میں پکڑے گئے تھے۔ شروع اور اختتام دونوں پر 2 سیکنڈ کی خاموشی اس بات کی ضمانت کے لیے کہ تقریر کا کوئی حصہ نادانستہ طور پر نہیں کاٹا گیا تھا۔
• ریکارڈنگ فارمٹا: آڈیو کو 16kHz پر ریکارڈ کیا گیا، مونو میں 16-bit PCM، ایک چینل کا استعمال کرتے ہوئے، اور WAV فائل فارمیٹ میں محفوظ کیا گیا۔ آڈیو غیر پروسیس شدہ رہتا ہے، یعنی اس میں کمپریشن، ریورب، یا EQ کا کوئی اطلاق نہیں تھا۔
• : کوالٹی ہر تقریر کی ریکارڈنگ کو سخت معیار کی جانچ اور توثیق کا نشانہ بنایا گیا تھا۔ صرف ریکارڈنگز فراہم کی گئیں جنہوں نے اس تشخیص کو پاس کیا تھا۔ کوئی بھی فائل جو متفقہ معیار کے معیار سے کم تھی دوبارہ ریکارڈ کی گئی اور بغیر کسی اضافی چارجز کے فراہم کی گئی۔