SafeVoice — ក្បាលម៉ាស៊ីនបញ្ញាសំឡេងដែលមានកម្មសិទ្ធិ ដែលសម្គាល់ការចុះខ្សោយដោយសារគ្រឿងស្រវឹងដែលអាចកើតមានពីការនិយាយធម្មតាតែប៉ុន្មានវិនាទី។ មិនរាតត្បាត គ្មានផ្នែករឹងឯកទេស ត្រូវការតែឃ្លាដែលនិយាយប៉ុណ្ណោះ។
បុគ្គលិកដែលចុះខ្សោយនៅតែជាកត្តាចម្បង និងមានឧបករណ៍តិចតួចនៃឧប្បត្តិហេតុឧស្សាហកម្មដែលអាចការពារបាន។ គ្រឿងស្រវឹងបន្ថយល្បឿនប្រតិកម្ម ការវិនិច្ឆ័យលំហ និងការគ្រប់គ្រងម៉ូទ័រល្អ យូរមុនពេលរោគសញ្ញាអាចមើលឃើញដោយភ្នែក។ ការគ្រប់គ្រងបែបប្រពៃណី — ឧបករណ៍វាស់ជាតិអាល់កុលតាមកាលកំណត់ និងការត្រួតពិនិត្យដោយភ្នែករបស់អ្នកត្រួតពិនិត្យ — គឺមិនទៀងទាត់ រាតត្បាត ជាឧបសគ្គនៅច្រកទ្វារវេន និងងាយស្រួលគេចវេស។ លទ្ធផលគឺជាចំណុចខ្វាក់ប្រតិបត្តិការ៖ ស្ថានភាពដែលមានហានិភ័យខ្ពស់នៅតែជាអ្វីដែលពិបាកបំផុតក្នុងការស្ទាក់ចាប់ជាបន្តបន្ទាប់។
សំឡេងគឺជាសញ្ញាដ៏ល្អដើម្បីលុបបំបាត់គម្លាតនេះ។ កម្មករប្រើវិទ្យុ Push-to-Talk ប្រព័ន្ធអ៊ីនធឺខម និងចំណុចប្រទាក់សំឡេងដោយធម្មជាតិពេញវេនរបស់ពួកគេ។ គ្រឿងស្រវឹងផ្លាស់ប្តូរជីវមេកានិចសូរស័ព្ទជាប្រចាំ — ធ្វើឱ្យចុះខ្សោយល្បឿនបញ្ចេញសំឡេង ពេលវេលាបញ្ចេញសូរ ប្រូសូឌី និងគុណភាពសំឡេងវិសាលគម — ជីវម៉ាកទ័រដែលម៉ូដែលឯកទេសទាញយកពីសំឡេងប៉ុន្មានវិនាទី។
SafeVoice ដាក់ពង្រាយក្នុងស្ថាបត្យកម្មបំពេញគ្នាពីរ។
SafeVoice-Ref ប្រៀបធៀបសំឡេងតាមពេលវេលាជាក់ស្តែងជាមួយមូលដ្ឋានគ្រឹះដែលបានចុះឈ្មោះរបស់កម្មករ — ល្អសម្រាប់ការពិនិត្យការចូលនៅពេលចាប់ផ្តើមវេន។
SafeVoice-Solo ដំណើរការដោយគ្មានមូលដ្ឋានគ្រឹះដែលបានចុះឈ្មោះ វាយតម្លៃការផ្ទុះសំឡេងតែមួយកំឡុងពេលទំនាក់ទំនងវិទ្យុធម្មតាពេញវេន។
ការបំបែកការធ្វើតេស្តដែលរក្សាទុកនៃ German Alcohol Language Corpus ដែលជាស្តង់ដារសាធារណៈ វាយតម្លៃដោយ unweighted average recall (UAR)។ ការប្រៀបធៀបជាមួយសិល្បៈមុនប្រើម៉ែត្រក្នុងមួយបង្អួច — ការសម្រេចចិត្តមួយក្នុងមួយសម្តី គ្មានការបោះឆ្នោត — ដោយសារសិល្បៈមុនមិនបោះឆ្នោតទេ។
ជាជាងការចាត់ថ្នាក់សំឡេងដោយឯកោ SafeVoice-Ref វាស់ស្ទង់ការនិយាយធៀបនឹងទម្រង់មូលដ្ឋានរបស់បុគ្គល។ ការលុបបំបាត់ភាពខុសគ្នាសូរស័ព្ទរវាងអ្នកនិយាយ ផ្តល់ការកើនឡើងភ្លាមៗប្រហែល 5 ពិន្ទុនៅក្នុង Unweighted Average Recall (UAR) — សមិទ្ធផលស្ថាបត្យកម្មដែលមានឥទ្ធិពលបំផុតរបស់យើង។
ទាំង Ref និង Solo ប្រើប្រាស់តំណាងសូរស័ព្ទកម្រិតទាបដូចគ្នា។ SafeVoice-Ref បង្កើនភាពជាក់លាក់តាមរយៈការចុះឈ្មោះម្តងយ៉ាងរហ័ស ខណៈពេលដែល SafeVoice-Solo ផ្តល់អាទិភាពដល់ការកកិតប្រតិបត្តិការសូន្យ ពិនិត្យអ្នកនិយាយណាមួយភ្លាមៗដោយគ្មានទិន្នន័យប្រវត្តិសាស្ត្រ។
ការអនុវត្តស្តង់ដារណែនាំឱ្យបង្កកឆ្អឹងខ្នងដែលបានបណ្តុះបណ្តាលជាមុនលើទិន្នន័យតូចៗ។ ការស្រាវជ្រាវជាក់ស្តែងរបស់យើងបានបង្ហាញពីភាពផ្ទុយគ្នា៖ ភាពត្រឹមត្រូវនៃការពិនិត្យមានទំហំធំឡើងជាមួយនឹងជម្រៅនៃការលៃតម្រូវ លោតឡើងប្រហែល 7 ពិន្ទុនៅក្រោមការសម្របខ្លួនឆ្អឹងខ្នងពេញលេញពីចុងដល់ចប់បើប្រៀបធៀបទៅនឹងការបង្កកស្រទាប់ដោយផ្នែក។
ជីវម៉ាកទ័រសូរស័ព្ទមាននៅទូទាំងគុណភាពបង្ហាញពេលវេលាផ្សេងៗគ្នា។ ស្រទាប់ឆ្អឹងខ្នងទាបរក្សាឌីណាមិកខិត្តប្បដិសារី និងបំពង់សំឡេងល្អ ខណៈពេលដែលស្រទាប់ខ្ពស់បង្ហាញលំហូរប្រូសូឌី និងចង្វាក់បង្កើតឃ្លា។ ការបញ្ចូលគ្នាពហុកម្រិតតាមពីក្រោយដោយការប្រមូលផ្តុំដោយយកចិត្តទុកដាក់ ថ្លឹងថ្លែងស៊ុមដែលមានលក្ខណៈវិនិច្ឆ័យបំផុតដោយថាមវន្ត។
យើងរំលងសំឡេងរំខានសសំយោគ ដើម្បីគាំទ្រកម្មវិធីសិក្សាសំឡេងឧស្សាហកម្មដ៏ទូលំទូលាយ — គ្រឿងម៉ាស៊ីនធុនធ្ងន់ សំឡេងរថយន្ត ការជជែកគ្នាពីហ្វូងមនុស្ស និងការឆ្លុះបញ្ចាំងរចនាសម្ព័ន្ធ។ នេះបានបិទគម្លាតការអនុវត្តនៅក្នុងលក្ខខណ្ឌវាលដ៏អាក្រក់ដោយមិនធ្វើឱ្យខូចភាពត្រឹមត្រូវមូលដ្ឋានស្អាត។
ដើម្បីការពារការកើនឡើងបណ្តោះអាសន្នឬការក្អកពីការបង្កការជូនដំណឹងមិនពិត បំពង់ការសន្និដ្ឋានវាយតម្លៃបង្អួចការវិភាគដែលត្រួតស៊ីគ្នាច្រើនក្នុងមួយសម្តី។ ការអនុវត្តការបោះឆ្នោតឯកភាពបន្ថែម 1–2 ពិន្ទុនៃ UAR និងធ្វើឱ្យការរកឃើញមានភាពធន់ពិសេសចំពោះការកើនឡើងសូរស័ព្ទក្នុងពិភពពិត។
UAR ការឯកភាព (MV@5) ផ្អែកលើឯកសារយោង / គ្មានឯកសារយោង។ បោះពុម្ពផ្សាយរួមទាំងលក្ខខណ្ឌដែលភាពត្រឹមត្រូវធ្លាក់ចុះ។
SafeVoice មិនវាស់កំហាប់អាល់កុលក្នុងឈាម និងមិនអាចប្រើជាមូលដ្ឋានសម្រាប់ដកនិយោជិតចេញពីការងារបានទេ។ វាជាឧបករណ៍ត្រួតពិនិត្យដំបូងដែលបង្ហាញថានរណាគួរទទួលបានការយកចិត្តទុកដាក់ ដើម្បីផ្ទៀងផ្ទាត់ដោយមធ្យោបាយដែលបានបង្កើតឡើង។ ការប្រៀបធៀបដែលពាក់ព័ន្ធមិនមែនជាមួយឧបករណ៍វាស់អាល់កុលក្នុងខ្យល់ដង្ហើមទេ ប៉ុន្តែជាមួយជម្រើសដែលប្រើនៅថ្ងៃនេះវិញ៖ ការសង្កេតរបស់អ្នកគ្រប់គ្រង ដែលមានប្រសិទ្ធភាពប្រហាក់ប្រហែលនឹងការស្តាប់ដោយគ្មានការបណ្តុះបណ្តាល។
លទ្ធផលទាំងអស់បានមកពីសំណុំទិន្នន័យតែមួយ — សំណុំទិន្នន័យភាសាអាល់កុលអាល្លឺម៉ង់ ដែលបានកត់ត្រាពីអ្នកនិយាយ 162 នាក់ជាមួយនឹងតម្លៃពិតនៃអាល់កុលក្នុងឈាមនិងខ្យល់ដង្ហើមសម្រាប់អ្នកនិយាយម្នាក់ៗ។ វាជាស្តង់ដារយោងសម្រាប់កិច្ចការនេះ ប៉ុន្តែវាជាសំណុំទិន្នន័យតែមួយ ហើយការប្រៀបធៀបទាំងអស់ខាងលើត្រូវបានធ្វើឡើងលើផ្នែកសាកល្បងដែលបានទុកដាច់ដោយឡែករបស់វា។
យើងបោះពុម្ពលក្ខខណ្ឌដែលភាពត្រឹមត្រូវធ្លាក់ចុះរួមជាមួយតួលេខសំខាន់ៗ ហើយយើងបោះពុម្ពអ្វីដែលយើងបានបដិសេធ៖ ក្បាលបន្ថែមសម្រាប់អារម្មណ៍និងការតំរែតំរង់អាល់កុលក្នុងឈាម (ឥទ្ធិពលអវិជ្ជមាន), ការបង្កកផ្នែកខ្លះនៃឆ្អឹងខ្នង (អាក្រក់ជាងប្រហែលប្រាំពីរពិន្ទុ), ការលៃតម្រូវកម្រិតសម្រេចចិត្ត (ការជួសជុលរោគសញ្ញាមានតម្លៃ 0.2 ពិន្ទុ) និងការកំណត់លក្ខខណ្ឌដោយវ៉ិចទ័រអ្នកនិយាយសម្រាប់ម៉ូដែលគ្មានឯកសារយោង — ការកើនឡើងពិត 0.6 ពិន្ទុ ដែលបានបោះបង់ចោលព្រោះវានឹងត្រូវការការចុះឈ្មោះអ្នកប្រើម្នាក់ៗ និងបំផ្លាញគុណសម្បត្តិគ្មានការកកិតរបស់ Solo។
ការត្រួតពិនិត្យសម្បទាសម្រាប់ការងារនៅពេលចាប់ផ្តើមវេន៖ ការចុះឈ្មោះដោយការនិយាយខ្លីធៀបនឹងគំរូមូលដ្ឋានដែលបានចុះឈ្មោះ
ការត្រួតពិនិត្យអកម្មជាបន្តបន្ទាប់លើចរាចរណ៍វិទ្យុធម្មតា ដោយគ្មានការចុះឈ្មោះ
ការជូនដំណឹងដែលបានក្រិតតម្រូវ បញ្ជូនទៅអ្នកគ្រប់គ្រងដែលសមស្របសម្រាប់ការសម្រេចចិត្តរបស់មនុស្ស
ដំណើរការលើ CPU ជាមួយភាពយឺតយ៉ាវក្រោមមួយវិនាទីក្នុងមួយបង្អួចវិភាគ
ធ្លាក់ចុះគុណភាពយ៉ាងទន់ភ្លន់នៅពេលបរិបទប្រជាសាស្ត្រមិនអាចប្រើបាន
បង្ហាញតាមរយៈវេទិកា XENOM រួមជាមួយសញ្ញាប្រតិបត្តិការផ្សេងទៀតរបស់ទីតាំង