Inżynier humanistyki zen z Zalo AI przedstawia wyniki badań na wiodącej na świecie konferencji naukowej

Prace badawcze mające na celu zwiększenie dokładności modeli rozpoznawania mowy w czasie rzeczywistym (Streaming Automatic Speech Recognition) prowadzone przez Le Duy Khanha – inżyniera „GenZ” w Zalo AI – zostaną ogłoszone po raz pierwszy na Międzynarodowej Konferencji Naukowej , która odbędzie się w Grecji we wrześniu 2024 r.

Temat „ Poprawa rozpoznawania mowy przesyłanej strumieniowo za pomocą przesuniętej w czasie uwagi kontekstowej i dynamicznego maskowania właściwego kontekstu ” był pracą badawczą inżyniera Zalo AI, urodzonego w 2000 r. , która uzyskała niemalże maksymalną liczbę punktów – 11/12. Praca przeszła rygorystyczną rundę recenzji, w której wzięło udział ponad 2000 prac, a następnie została zaprezentowana na konferencji Interspeech w formie sesji ustnej.


„ Jestem bardzo dumny, że mój pierwszy artykuł naukowy został doceniony przez prestiżową konferencję naukową i że mam okazję przedstawić osiągnięcia badawcze Wietnamu przedstawicielom dużych firm technologicznych, ekspertom i społeczności międzynarodowej ” – powiedział Le Duy Khanh.

Pod kierownictwem dr. Chau Thanh Duc – kierownika działu badań i rozwoju w Zalo AI, wykładowcy na Uniwersytecie Nauk Przyrodniczych (Uniwersytet Narodowy w Ho Chi Minh City), projekt badawczy ma wnieść istotny wkład w udoskonalenie modeli rozpoznawania mowy, zwiększenie dokładności dyktowania głosu i zamiany głosu na tekst w aplikacji Zalo.

„ Synteza wysoce praktycznych badań Zalo AI w postaci artykułów naukowych i prezentacja ich na prestiżowych konferencjach międzynarodowych jest niezwykle znacząca. Świadczy to nie tylko o kompetencjach wietnamskich inżynierów, ale także o chęci dzielenia się doświadczeniami i wkładu w rozwój globalnej społeczności zajmującej się sztuczną inteligencją” – powiedział dr Chau Thanh Duc.

Wcześniej, pod koniec 2023 roku, Zalo zintegrowało te badania ze swoją aplikacją do obsługi wiadomości, co znacząco poprawiło dokładność funkcji „tworzenia wiadomości głosowych”. Funkcja ta pozwala użytkownikom na tworzenie wiadomości głosowo zamiast pisania ręcznego, oszczędzając czas i czyniąc ją wygodniejszą w wielu sytuacjach. Jednocześnie, dokładność tej funkcji w praktyce osiągnęła 95%; odsetek konieczności ponownej edycji tekstu po utworzeniu wiadomości głosowej spadł z 6,4% do zaledwie 4,8%.

Według statystyk Zalo, mimo że funkcja ta jest wciąż w fazie testów, generuje ona już blisko 4,5 miliona wiadomości dziennie i przyciąga około 3,2 miliona użytkowników miesięcznie (dane zaktualizowane do czerwca 2024 r.).

Od momentu rozpoczęcia pionierskiej podróży w badaniach nad sztuczną inteligencją w 2017 roku, Zalo zawsze wierzyło w „wzmacnianie pozycji” młodszego pokolenia. Obecnie aż 31% pracowników Zalo należy do pokolenia Z. W 2021 roku dwa inne tematy badawcze zespołu inżynierów AI Zalo, związane z technologią przetwarzania mowy, zostały również docenione na Międzynarodowej Konferencji Azji i Pacyfiku poświęconej sztucznej inteligencji (PRICAI 2021). Co ciekawe, autorami tych dwóch tematów są młodzi badacze poniżej 30. roku życia.

Interspeech to długoletnia, kompleksowa i prestiżowa międzynarodowa konferencja poświęcona przetwarzaniu mowy, organizowana przez Międzynarodowe Stowarzyszenie Komunikacji Mowy (International Speech Communication Association). W tym roku konferencja pod hasłem „Mowa i nie tylko ” odbędzie się w dniach 1-5 września 2024 roku na wyspie Kos (Grecja).

Source: 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