Une entreprise souhaite transcrire des messages vocaux de moins de 60 secondes et doit reconnaître correctement environ 200 noms de produits ayant des orthographes ou des prononciations inhabituelles. Elle dispose de 4 000 mots transcrits pour la personnalisation et doit mettre à jour les personnalisations plusieurs fois par heure pendant le développement. Quelle approche maximisera la précision de la transcription pendant le développement ?

La création d'un vocabulaire personnalisé avec des prononciations phonétiques pour chaque nom de produit est la meilleure approche. Amazon Transcribe utilise ces vocabulaires pour améliorer la reconnaissance des mots rares ou spécifiques à un domaine, ce qui est crucial pour les noms de produits inhabituels. La mise à jour manuelle basée sur l'analyse des erreurs permet un contrôle précis et une amélioration continue pendant le développement. Les bots conversationnels (option 1) sont pour l'interaction vocale complète, pas seulement la transcription. L'automatisation du vocabulaire basé sur des mots de faible confiance (option 2) peut introduire des erreurs si les mots de faible confiance ne sont pas correctement identifiés comme des noms de produits. L'entraînement d'un modèle linguistique personnalisé (option 4) est plus complexe, prend plus de temps et n'est généralement pas nécessaire pour un ensemble de mots aussi spécifique et une fréquence de mise à jour élevée.