Lidsko-zenový inženýr Zalo AI představuje svůj výzkum na přední světové vědecké konferenci

Výzkumná práce Le Duy Khanha - inženýra „Generace Z“ společnosti Zalo AI, která má pomoci zvýšit přesnost modelů rozpoznávání řeči v reálném čase (Streaming Automatic Speech Recognition), bude poprvé oznámena na mezinárodní vědecké konferenci, která se bude konat v září 2024 v Řecku.

Výzkumná práce inženýra umělé inteligence Zalo, narozeného v roce 2000, s tématem „ Zlepšení rozpoznávání streamované řeči s časově posunutou kontextovou pozorností a dynamickým maskováním pravého kontextu “ dosáhla téměř dokonalého skóre – 11/12 bodů, a prošla tak přísným recenzním kolem s více než 2 000 zúčastněnými příspěvky, které budou prezentovány na konferenci Interspeech formou ústní přednášky.


„ Jsem velmi hrdý na to, že můj první vědecký článek byl oceněn prestižní vědeckou konferencí a že mám příležitost představit vietnamské výzkumné úspěchy velkým technologickým firmám, odborníkům a mezinárodní komunitě ,“ sdělil Le Duy Khanh.

Pod vedením Dr. Chau Thanha Duca - vedoucího oddělení výzkumu a vývoje v Zalo AI, přednášejícího na Univerzitě přírodních věd (Národní univerzita v Ho Či Minově Městě) se očekává, že tento výzkumný projekt významně přispěje k modernizaci modelů rozpoznávání řeči, zvýšení přesnosti hlasového diktátu a převodu hlasu na text v aplikaci Zalo.

„ Syntéza vysoce praktického výzkumu společnosti Zalo AI do vědeckých prací a jejich prezentace na prestižních mezinárodních konferencích je velmi smysluplná. Nejenže to dokazuje schopnosti vietnamských inženýrů, ale také to ukazuje touhu sdílet zkušenosti a přispívat k rozvoji globální komunity umělé inteligence,“ řekl Dr. Chau Thanh Duc.

Společnost Zalo již dříve integrovala tento výzkum do své aplikace pro zasílání zpráv od konce roku 2023, což pomohlo výrazně zlepšit přesnost funkce „hlasové psaní zpráv“. Tato funkce umožňuje uživatelům psát zprávy hlasem namísto ručního psaní, což šetří čas a usnadňuje práci v mnoha situacích. Zároveň přesnost této funkce v praxi dosáhla 95 %; míra nutnosti opětovné úpravy textu po hlasovém napsání se snížila z 6,4 % na pouhých 4,8 %.

Podle statistik Zalo, ačkoli je funkce stále ve fázi testování, vygenerovala téměř 4,5 milionu zpráv denně a přilákala přibližně 3,2 milionu uživatelů měsíčně (data aktualizována k červnu 2024).

Od svého průkopnického začátku ve výzkumu umělé inteligence v roce 2017 společnost Zalo vždy věřila v „posílení“ mladší generace. V současné době až 31 % zaměstnanců společnosti Zalo patří ke generaci GenZ. V roce 2021 byla na Asijsko -pacifické mezinárodní konferenci o umělé inteligenci (PRICAI 2021) oceněna další dvě výzkumná témata inženýrského týmu Zalo pro umělou inteligenci týkající se technologie zpracování řeči. Autoři těchto dvou témat jsou všichni mladí výzkumníci mladší 30 let.

Interspeech je dlouholetá, komplexní a prestižní mezinárodní konference o zpracování řeči, kterou pořádá Mezinárodní asociace pro řečovou komunikaci (International Speech Communication Association). Letos se konference s tématem „ Řeč a za ní “ koná od 1. do 5. září 2024 na ostrově Kos (Řecko).

Zdroj: https://www.vng.com.vn/news/people/ky-su-genz-cua-zalo-ai-gioi-thieu-nghien-cuu-tai-hoi-nghiem-khoa-hoc-hang-dau-the-gioi.html