কাস্টম ও ব্র্যান্ডেড ওয়েক ওয়ার্ডট্রেনিং ডেটা সংগ্রহ

ওয়েক ওয়ার্ড হলো একটি নির্দিষ্ট শব্দ বা বাক্যাংশ — যেমন “অ্যালেক্সা,” “ওকে গুগল,” বা নিজস্ব ব্র্যান্ডের কোনো বাক্যাংশ — যা একটি ভয়েস-সক্ষম ডিভাইসকে সক্রিয় করে এবং সেটিকে প্যাসিভ অবস্থা থেকে অ্যাক্টিভ লিসেনিং-এ নিয়ে যায়। ডিভাইসটি স্থানীয়ভাবে ক্রমাগত ওয়েক ওয়ার্ডটির জন্য শোনে এবং ওয়েক ওয়ার্ডটি শনাক্ত হওয়ার পরেই কেবল অনুরোধটি প্রক্রিয়া করা শুরু করে।

ওয়েক ওয়ার্ড ট্রেনিং ডেটা হলো লেবেলযুক্ত কথ্য রেকর্ডিংয়ের একটি সেট, যা একটি মডেলকে তার অ্যাক্টিভেশন ফ্রেজ চিনতে শেখানোর জন্য ব্যবহৃত হয়। কার্যকর ওয়েক ওয়ার্ড ট্রেনিং ডেটাতে বিভিন্ন বক্তা, উচ্চারণভঙ্গি, বয়স, ডিভাইস এবং কোলাহলের পরিস্থিতি অন্তর্ভুক্ত থাকে, ফলে মডেলটি নির্ভরযোগ্যভাবে সক্রিয় হয় এবং একই রকম শোনায় এমন কথাকে বাতিল করে দেয়।

একটি ওয়েক ওয়ার্ড কাজ করে একটি ছোট, সর্বদা-শ্রবণরত ডিটেকশন মডেল চালু করার মাধ্যমে, যা আগত অডিওতে নির্দিষ্ট শব্দগুচ্ছটি স্ক্যান করে। যখন মডেলটি যথেষ্ট আত্মবিশ্বাসের সাথে ওয়েক ওয়ার্ডটি শনাক্ত করতে পারে, তখন ডিভাইসটি সক্রিয় হয় এবং স্পিচ রিকগনিশন ও ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিং ব্যবহার করে ব্যবহারকারীর অনুরোধ প্রক্রিয়া করা শুরু করে।

একটি শক্তিশালী কাস্টম ওয়েক ওয়ার্ডে বিভিন্ন ধরনের ধ্বনি ব্যবহার করা হয়, এতে কমপক্ষে তিন থেকে চারটি সিলেবল থাকে এবং ভুল অ্যাক্টিভেশন কমাতে সাধারণ দৈনন্দিন শব্দ পরিহার করা হয়। “Hey” বা “OK”-এর মতো উপসর্গ যোগ করলে এর স্বাতন্ত্র্য বাড়ে। প্রজেক্ট সেটআপের সময় Shaip ওয়েক ওয়ার্ড নির্বাচন এবং যাচাই করতে সাহায্য করে।

হ্যাঁ। অন-ডিভাইস ওয়েক ওয়ার্ড ডিটেকশন অ্যাক্টিভেশন মডেলটি স্থানীয়ভাবে চালায়, তাই অডিও রেকর্ড করা হয় না বা ক্লাউডে পাঠানো হয় না। এটি ল্যাটেন্সি কমায়, গোপনীয়তা রক্ষা করে এবং ডিটেকশনকে অফলাইনে সচল রাখে। Shaip বিশেষভাবে অন-ডিভাইস এবং এমবেডেড ডেপ্লয়মেন্টের জন্য উপযুক্ত ট্রেনিং ডেটা সংগ্রহ করে।

শাইপ ১০০টিরও বেশি দেশে বিস্তৃত তার বিশ্বব্যাপী কর্মী বাহিনী থেকে ১০০টিরও বেশি ভাষা এবং বিভিন্ন আঞ্চলিক উচ্চারণে ওয়েক ওয়ার্ড প্রশিক্ষণের ডেটা সংগ্রহ করে। এই ব্যাপকতা অ-মাতৃভাষীদের জন্য নির্ভুলতার ব্যবধান কমায় এবং বিশ্বব্যাপী পণ্য উন্মোচনে সহায়তা করে।

ডেলিভারির আগে ডেটাসেটগুলো যাতে লক্ষ্যমাত্রার নির্ভুলতা পূরণ করে, তা নিশ্চিত করতে শাইপ একাধিক মান-নিয়ন্ত্রণ ধাপ—যেমন ট্রান্সক্রিপশন পর্যালোচনা, গ্রহণযোগ্যতার মানদণ্ড এবং কর্মী পর্যবেক্ষণ—প্রয়োগ করে। বৈচিত্র্যময় ও উচ্চ-মানের ডেটা ব্যবহৃত মডেলে ভুলভাবে গ্রহণ এবং ভুলভাবে প্রত্যাখ্যান—উভয় হারই হ্রাস করে।

একটি ওয়েক ওয়ার্ড ডিভাইসটিকে সক্রিয় করে; এর পরে যে কথিত অনুরোধটি করা হয়, তাকে আটারেন্স বলা হয়। ওয়েক ওয়ার্ড ডিটেকশন একটি সুনির্দিষ্ট ও সর্বদা-সক্রিয় কাজ, অন্যদিকে আটারেন্স আন্ডারস্ট্যান্ডিং-এর মধ্যে বিভিন্ন ধরনের স্বাভাবিক ভাষার বাক্যাংশ ব্যাখ্যা করা অন্তর্ভুক্ত। শাইপ ওয়েক ওয়ার্ড ডিটেকশন এবং আটারেন্স কালেকশন উভয়ের জন্যই প্রশিক্ষণ ডেটা সরবরাহ করে।

উচ্চারণ হলো এমন একটি বাক্য যা ব্যবহারকারী ভয়েস-কমান্ড সফটওয়্যারকে কোনো অনুরোধ জানাতে বলেন। সফটওয়্যারটি সেই উচ্চারণ থেকে ব্যবহারকারীর উদ্দেশ্য শনাক্ত করে এবং সেই অনুযায়ী সাড়া দেয়। একটি সম্পূর্ণ বাক্যের মতো নয়, উচ্চারণ হলো কথার একটি একক যা হয়তো একটি সম্পূর্ণ ভাব প্রকাশ করে না এবং এতে প্রায়শই বিরতি থাকে। উদাহরণ: “আমাকে সর্বশেষ সিনেমাটি দেখাও — যেটি গত সপ্তাহে মুক্তি পেয়েছে,” অথবা “২২ নম্বর রাস্তার দোকানটি কি এখন খোলা আছে?”

ইনভোকেশন নেম হলো ভয়েস সফটওয়্যারের মধ্যে একটি নির্দিষ্ট “স্কিল” চালু করার জন্য ব্যবহৃত কীওয়ার্ড। এতে ব্যক্তি বা স্থানের নাম অন্তর্ভুক্ত থাকতে পারে এবং এটি কোনো অ্যাকশন, কমান্ড বা প্রশ্নের সাথে যুক্ত করা যেতে পারে। প্রতিটি কাস্টম স্কিল শুরু করার জন্য একটি ইনভোকেশন নেমের প্রয়োজন হয়।

ওয়েক ওয়ার্ডকে ট্রিগার ওয়ার্ড, হট ওয়ার্ড, অ্যাক্টিভেশন ওয়ার্ড, ইনভোকেশন ওয়ার্ড, ওয়েক ফ্রেজ এবং আটারেন্সও বলা হয়।

অ্যালেক্সা পারিপার্শ্বিক কোলাহল ফিল্টার করার পাশাপাশি তার ওয়েক ওয়ার্ড শনাক্ত করতে বেশ কয়েকটি বিল্ট-ইন মাইক্রোফোন ব্যবহার করে। ভুল শনাক্তকরণ এড়ানোর জন্য, এটি শুধুমাত্র “অ্যালেক্সা” শনাক্ত করার পরেই সক্রিয়ভাবে শোনা শুরু করে।