Die Forschungsarbeit von Le Duy Khanh – einem Ingenieur der Generation Z von Zalo AI – zur Verbesserung der Genauigkeit von Echtzeit-Spracherkennungsmodellen (Streaming Automatic Speech Recognition) wird erstmals auf der Internationalen Wissenschaftlichen Konferenz in Griechenland im September 2024 vorgestellt.
Mit dem Thema „ Verbesserung der Streaming - Spracherkennung durch zeitverschobene kontextuelle Aufmerksamkeit und dynamische Maskierung des rechten Kontexts “ erzielte der im Jahr 2000 geborene Zalo-KI-Ingenieur in seiner Forschungsarbeit eine nahezu perfekte Punktzahl – 11 von 12 Punkten – und bestand damit die strenge Begutachtungsrunde mit mehr als 2000 teilnehmenden Beiträgen, um auf der Interspeech- Konferenz in Form einer mündlichen Sitzung präsentiert zu werden.
„ Ich bin sehr stolz darauf, dass mein erster wissenschaftlicher Artikel von einer renommierten wissenschaftlichen Konferenz gewürdigt wurde und ich die Möglichkeit habe, die Forschungserfolge Vietnams großen Technologieunternehmen, Experten und der internationalen Gemeinschaft vorzustellen “, teilte Le Duy Khanh mit.
Unter der Leitung von Dr. Chau Thanh Duc - Leiter der Forschungs- und Entwicklungsabteilung bei Zalo AI, Dozent an der Universität für Naturwissenschaften (Nationale Universität Ho-Chi-Minh-Stadt), soll dieses Forschungsprojekt einen wichtigen Beitrag zur Verbesserung von Spracherkennungsmodellen leisten und die Genauigkeit der Sprachdiktierung und der Sprach-zu-Text-Umwandlung in der Zalo-Anwendung erhöhen.
„ Die Synthese der äußerst praxisorientierten Forschung von Zalo AI in wissenschaftlichen Publikationen und deren Präsentation auf renommierten internationalen Konferenzen ist von großer Bedeutung. Sie demonstriert nicht nur die Kompetenz vietnamesischer Ingenieure, sondern auch den Wunsch, Erfahrungen auszutauschen und zur Entwicklung der globalen KI-Community beizutragen“, sagte Dr. Chau Thanh Duc.
Zalo integrierte diese Forschungsergebnisse bereits Ende 2023 in seine Messaging-App und trug so maßgeblich zur Verbesserung der Genauigkeit der Sprachnachrichtenfunktion bei. Mit dieser Funktion können Nutzer Nachrichten per Sprache statt per Hand tippen, was Zeit spart und in vielen Situationen komfortabler ist. Gleichzeitig erreichte die Genauigkeit dieser Funktion in der Praxis 95 %; die Nachbearbeitungsrate nach der Spracheingabe sank von 6,4 % auf nur noch 4,8 %.
Laut Zalo-Statistiken befindet sich die Funktion zwar noch in der Testphase, generiert aber bereits fast 4,5 Millionen Nachrichten pro Tag und hat monatlich rund 3,2 Millionen Nutzer angezogen (Stand: Juni 2024).
Seit Beginn seiner Pionierarbeit in der KI-Forschung im Jahr 2017 setzt Zalo konsequent auf die Förderung der jüngeren Generation. Aktuell gehören bis zu 31 % der Zalo-Mitarbeiter der Generation Z an. Im Jahr 2021 wurden zwei weitere Forschungsprojekte des Zalo-KI-Entwicklungsteams im Bereich der Sprachverarbeitungstechnologie auf der Asia- Pacific International Conference on Artificial Intelligence (PRICAI 2021) ausgezeichnet. Bemerkenswert ist, dass die Autoren dieser beiden Projekte allesamt junge Forscher unter 30 Jahren sind.
Interspeech ist eine traditionsreiche, umfassende und angesehene internationale Konferenz zum Thema Sprachverarbeitung, die von der International Speech Communication Association organisiert wird. In diesem Jahr findet die Konferenz unter dem Motto „Sprache und darüber hinaus “ vom 1. bis 5. September 2024 auf der Insel Kos (Griechenland) statt.
Kommentar (0)