Bir şirket, 60 saniyenin altındaki sesli mesajları yazıya dökmek istiyor ve alışılmadık yazımlara veya telaffuzlara sahip yaklaşık 200 ürün adını doğru bir şekilde tanıması gerekiyor. Özelleştirme için 4.000 transkripsiyonlu kelime mevcut ve geliştirme sırasında saatte birden çok kez özelleştirmeleri güncellemesi gerekiyor. Geliştirme sırasında transkripsiyon doğruluğunu en üst düzeye çıkaracak yaklaşım hangisidir?

Doğru cevap, özel bir kelime dağarcığı oluşturmayı ve bunu fonetik telaffuzlarla birleştirmeyi önerir. Bu, özellikle alışılmadık yazımlara veya telaffuzlara sahip ürün adları için transkripsiyon doğruluğunu artırmanın etkili bir yoludur. Mevcut 4.000 transkripsiyonlu kelime, bu özel kelime dağarcığını oluşturmak için yeterli bir temel sağlar. Hata analizine dayalı manuel güncellemeler, modelin zamanla daha iyi performans göstermesini sağlar ve geliştirme sırasında saatte birden çok kez güncelleme ihtiyacını karşılar. Diğer seçenekler ise şunlardır: Sesle çalışan bir konuşma botu oluşturmak, transkripsiyon hizmetinin kendisi yerine bir uygulama katmanı çözümüdür ve temel transkripsiyon doğruluğunu doğrudan artırmaz. Düşük güvenli kelimelere göre özel bir kelime dağarcığını otomatik olarak güncellemek, özellikle yeni veya alışılmadık ürün adları için yeterince doğru olmayabilir ve fonetik telaffuzları içermez. Özel bir dil modeli eğitmek, 200 ürün adı için 4.000 kelimelik bir veri kümesiyle genellikle çok daha fazla veriye ihtiyaç duyar ve saatte birden çok kez yeniden eğitmek maliyetli ve zaman alıcıdır.