한 회사에서 60초 미만의 음성 메일 메시지를 텍스트로 변환하려고 하는데, 특이한 철자나 발음을 가진 약 200개의 제품 이름을 정확하게 인식해야 합니다. 사용자 지정을 위해 4,000개의 전사된 단어를 사용할 수 있으며, 개발 중에 시간당 여러 번 사용자 지정을 업데이트해야 합니다. 개발 중 전사 정확도를 극대화할 수 있는 접근 방식은 무엇입니까?

정답은 각 제품 이름과 음성 발음으로 사용자 지정 어휘를 생성하고, 이를 전사 서비스와 함께 사용하며, 오류 분석을 기반으로 어휘를 수동으로 업데이트하는 것입니다. Amazon Transcribe의 사용자 지정 어휘는 특이한 제품 이름을 정확하게 인식하는 데 효과적이며, 4,000개의 전사된 단어는 어휘 생성을 위한 충분한 데이터입니다. 개발 중에는 오류 분석을 통해 수동으로 어휘를 업데이트하여 정확도를 지속적으로 개선할 수 있습니다. 오답 설명: 음성 기반 대화형 봇 구축은 전사 정확도 향상보다는 대화 시스템 구축에 중점을 둡니다. 낮은 신뢰도 단어를 기반으로 사용자 지정 어휘를 자동으로 업데이트하는 것은 Transcribe의 기능이 아니며, 개발 중에는 수동 검토가 필요합니다. 사용자 지정 언어 모델 훈련은 더 많은 데이터와 복잡한 프로세스를 요구하며, 4,000개의 단어로는 충분하지 않을 수 있습니다.