Firma chce transkrybować wiadomości głosowe trwające poniżej 60 sekund i musi poprawnie rozpoznawać około 200 nazw produktów, które mają nietypową pisownię lub wymowę. Dysponuje 4000 transkrybowanych słów do dostosowania i musi aktualizować te dostosowania wiele razy na godzinę podczas developmentu. Które podejście zmaksymalizuje dokładność transkrypcji podczas developmentu?

Prawidłowa odpowiedź maksymalizuje dokładność transkrypcji dla nietypowych nazw produktów. Tworzenie niestandardowego słownictwa z wymową fonetyczną (np. za pomocą IPA lub formatu SAMPA) jest kluczowe dla poprawnego rozpoznawania nazw o nietypowej pisowni. Ręczna aktualizacja na podstawie analizy błędów pozwala na precyzyjne dostosowanie do specyficznych problemów z rozpoznawaniem, co jest efektywne dla 200 nazw produktów. Budowanie bota konwersacyjnego jest rozwiązaniem na wyższym poziomie abstrakcji, nie bezpośrednio poprawiającym transkrypcję mowy na tekst. Automatyczne aktualizowanie słownictwa na podstawie słów o niskiej pewności może wprowadzać błędy, jeśli system nieprawidłowo zinterpretuje kontekst. Trenowanie niestandardowego modelu językowego jest bardziej zasobochłonne i czasochłonne, a dla 200 słów i częstych aktualizacji, niestandardowe słownictwo jest bardziej elastycznym i szybszym rozwiązaniem.