El proyecto de investigación para aumentar la precisión de los modelos de reconocimiento de voz en tiempo real (Streaming Automatic Speech Recognition) de Le Duy Khanh, ingeniero "GenZ" de Zalo AI, se anunciará por primera vez en la Conferencia Científica Internacional que tendrá lugar en Grecia en septiembre de 2024.
Con el tema " Mejora del reconocimiento de voz en tiempo real con atención contextual desplazada y enmascaramiento dinámico del contexto correcto " , el artículo de investigación del ingeniero de IA de Zalo nacido en 2000 logró una puntuación casi perfecta: 11/12 puntos, pasando la rigurosa ronda de revisión con más de 2000 artículos participantes que se presentarán en la Conferencia Interspeech en forma de sesión oral.
" Estoy muy orgulloso de que mi primer artículo científico haya sido reconocido por una prestigiosa conferencia científica y tengo la oportunidad de presentar los logros de investigación de Vietnam a las grandes empresas tecnológicas, a los expertos y a la comunidad internacional ", compartió Le Duy Khanh.
Bajo la dirección del Dr. Chau Thanh Duc, jefe del Departamento de Investigación y Desarrollo en Zalo AI, profesor de la Universidad de Ciencias (Universidad Nacional de la Ciudad de Ho Chi Minh), se espera que este proyecto de investigación haga una contribución importante a la actualización de los modelos de reconocimiento de voz, aumentando la precisión del dictado de voz y la conversión de voz a texto en la aplicación Zalo.
“ Sintetizar la investigación altamente práctica de Zalo AI en artículos científicos y presentarlos en prestigiosas conferencias internacionales es de gran importancia. Esto no solo demuestra la capacidad de los ingenieros vietnamitas, sino también el deseo de compartir experiencias y contribuir al desarrollo de la comunidad global de IA”, afirmó el Dr. Chau Thanh Duc.
Previamente, Zalo integró esta investigación en su aplicación de mensajería desde finales de 2023, mejorando significativamente la precisión de la función de redacción de mensajes de voz. Esta función permite a los usuarios redactar mensajes con la voz en lugar de escribirlos, ahorrando tiempo y haciéndolo más práctico en diversas situaciones. Al mismo tiempo, la precisión de esta función ha alcanzado el 95 % en la práctica; la necesidad de editar texto después de redactar con la voz ha disminuido del 6,4 % a tan solo el 4,8 %.
Según las estadísticas de Zalo, aunque la función aún está en fase de prueba, ha generado cerca de 4,5 millones de mensajes al día y ha atraído a unos 3,2 millones de usuarios mensuales (datos actualizados a junio de 2024).
Desde que inició su andadura pionera en la investigación de IA en 2017, Zalo siempre ha creído en empoderar a las generaciones más jóvenes. Actualmente, hasta el 31 % de los empleados de Zalo pertenecen a la generación Z. En 2021, otros dos temas de investigación del equipo de ingeniería de IA de Zalo, relacionados con la tecnología de procesamiento del habla, también fueron reconocidos en la Conferencia Internacional Asia- Pacífico sobre Inteligencia Artificial (PRICAI 2021). Cabe destacar que los autores de estos dos temas son jóvenes investigadores menores de 30 años.
Interspeech es una conferencia internacional de larga trayectoria, completa y prestigiosa sobre procesamiento del habla, organizada por la Asociación Internacional de Comunicación Oral. Este año, la conferencia, bajo el lema «Habla y más allá », se celebrará del 1 al 5 de septiembre de 2024 en la isla de Kos (Grecia).
Kommentar (0)