توسعه سامانه بومی تشخیص گفتار فارسی برای هوشمندسازی مراکز تماس - حکمرانی هوشمند

عضو هیئت علمی دانشکده سامانه‌های هوشمند دانشگاه تهران از طراحی و توسعه یک سامانه تخصصی تشخیص گفتار فارسی برای مکالمات تلفنی خبر داد و اعلام کرد که این فناوری بر اساس نتایج ارزیابی‌های مقایسه‌ای، دقت بیشتری نسبت به برخی سامانه‌های مطرح این حوزه، از جمله سرویس تشخیص گفتار گوگل، داشته است. به گزارش پایگاه خبری حکمرانی هوشمند، دکتر هادی ویسی با اشاره به نقش فناوری تشخیص گفتار در گسترش خدمات مبتنی بر هوش مصنوعی اظهار کرد: تبدیل دقیق گفتار به متن یکی از زیرساخت‌های ضروری برای هوشمندسازی مراکز تماس و طراحی دستیارهای هوشمند به شمار می‌رود. دستیابی به چنین قابلیتی در زبان فارسی و به‌ویژه در مکالمات تلفنی، به دلیل عواملی مانند تفاوت کیفیت خطوط ارتباطی، تنوع لهجه‌ها و گویش‌ها، سرعت صحبت کردن و کاربرد واژه‌های محاوره‌ای، با دشواری‌های فنی متعددی همراه است.

ویسی با اشاره به سابقه نزدیک به دو دهه فعالیت تخصصی در حوزه تشخیص گفتار افزود: بر همین اساس، توسعه یک سامانه اختصاصی برای تبدیل گفتار فارسی به متن در مکالمات تلفنی در دستور کار قرار گرفت. یکی از اقدامات اساسی این پروژه، جمع‌آوری و آماده‌سازی یک مجموعه داده گسترده شامل چند هزار ساعت مکالمه واقعی از مراکز تماس فعال در داخل کشور بود.

این عضو هیئت علمی دانشگاه تهران توضیح داد که داده‌های جمع‌آوری‌شده پس از انجام مراحل آماده‌سازی، پیاده‌سازی دقیق مکالمات، بازبینی و پالایش، برای آموزش و ارزیابی مدل تشخیص گفتار به کار گرفته شدند.

وی با تأکید بر اهمیت ویژگی‌های این مجموعه داده خاطرنشان کرد: واقعی بودن مکالمات و تنوع گسترده لهجه‌ها، گویش‌ها و شیوه‌های گفتاری فارسی‌زبانان در مناطق مختلف کشور، از مهم‌ترین مزیت‌های این داده‌هاست. این ویژگی به سامانه کمک می‌کند تا در مواجهه با مکالمات طبیعی و شرایط واقعی، عملکرد دقیق‌تری داشته باشد و صرفاً به نمونه‌های صوتی آزمایشگاهی محدود نماند.

ویسی در ادامه به تفاوت‌های فنی تشخیص گفتار تلفنی با پردازش فایل‌های صوتی معمولی اشاره کرد و گفت: در این پروژه، مدل تشخیص گفتار متناسب با ویژگی‌های صوتی و زبانی مکالمات تلفنی طراحی و آموزش داده شده است. … …