Un'azienda vuole trascrivere messaggi di segreteria telefonica di durata inferiore a 60 secondi e deve riconoscere correttamente circa 200 nomi di prodotti con ortografie o pronunce insolite. Hanno a disposizione 4.000 parole trascritte per la personalizzazione e devono aggiornare le personalizzazioni più volte all'ora durante lo sviluppo. Quale approccio massimizzerà l'accuratezza della trascrizione durante lo sviluppo?

L'opzione corretta è creare un vocabolario personalizzato con pronunce fonetiche e aggiornarlo manualmente. Amazon Transcribe supporta i vocabolari personalizzati per migliorare il riconoscimento di parole specifiche, come nomi di prodotti insoliti. L'inclusione di pronunce fonetiche (IPA o Speech Recognition Phonetic Alphabet) è cruciale per guidare il modello di trascrizione. L'aggiornamento manuale basato sull'analisi degli errori è efficiente per un numero limitato di nomi (200) e consente un controllo preciso durante lo sviluppo, specialmente con aggiornamenti frequenti. Le altre opzioni sono meno adatte: Un bot conversazionale non è l'obiettivo qui; l'azienda vuole trascrivere, non interagire. L'aggiornamento automatico basato su parole a bassa confidenza potrebbe introdurre errori o non essere sufficientemente mirato per nomi specifici. L'addestramento di un modello linguistico personalizzato richiede un set di dati molto più ampio di 4.000 parole per essere efficace e gli aggiornamenti sarebbero più lenti e complessi rispetto alla gestione di un vocabolario.