Uma empresa deseja transcrever mensagens de correio de voz com menos de 60 segundos e deve reconhecer corretamente cerca de 200 nomes de produtos que possuem grafias ou pronúncias incomuns. Eles têm 4.000 palavras transcritas disponíveis para personalização e precisam atualizar as personalizações várias vezes por hora durante o desenvolvimento. Qual abordagem maximizará a precisão da transcrição durante o desenvolvimento?

A criação de um vocabulário personalizado com nomes de produtos e pronúncias fonéticas (usando fonemas SAMPA ou IPA) é a abordagem mais eficaz. Isso permite que o serviço de transcrição (como o Amazon Transcribe) reconheça com precisão as palavras incomuns, mesmo com grafias ou pronúncias não-padrão. A atualização manual baseada na análise de erros durante o desenvolvimento garante que o vocabulário seja refinado continuamente para máxima precisão. As outras opções são menos ideais: Um bot conversacional é para interação, não para transcrição de áudio existente. Atualizar automaticamente um vocabulário com base em palavras de baixa confiança pode introduzir erros ou não ser específico o suficiente para nomes de produtos. Treinar um modelo de linguagem personalizado requer um volume de dados muito maior (milhares de horas de áudio e transcrições) do que as 4.000 palavras disponíveis, e o retreinamento frequente seria inviável para atualizações "várias vezes por hora".