Bài viết của tác giả chính được chấp nhận tại ICASSP 2025, bóng đá trực tuyến kèo nhà cái nghị hàng đầu trong lĩnh vực xử lý tín hiệu âm thanh và giọng nói

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán: 4751) là liên doanh giữa Shinji Iwata, nhà nghiên cứu thuộc tổ chức nghiên cứu và phát triển công nghệ AI "AI Lab" và công ty con hợp nhất AI Shift Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Chủ tịch và Giám đốc điều hành: Yuito Yoneyama) và Haruki Nagasawa và Otake Bài báo dẫn đầu của Shinta et al đã được trình bày tại bóng đá trực tuyến kèo nhà cái nghị quốc tế “ICASSP 2025” trong lĩnh vực xử lý tín hiệu âm thanh và giọng nói※1

ICASSP là một trong những bóng đá trực tuyến kèo nhà cái nghị quốc tế uy tín nhất trong lĩnh vực xử lý tín hiệu âm thanh và giọng nói, do Hiệp bóng đá trực tuyến kèo nhà cái xử lý tín hiệu IEEE tổ chức và là bóng đá trực tuyến kèo nhà cái nghị lâu đời sẽ được tổ chức lần thứ 50 vào năm 2025 Các bài báo được chấp nhận sẽ được trình bày tại ICASSP 2025, được tổ chức tại Hyderabad, Ấn Độ vào tháng 4 năm 2025


■Nền tảng nghiên cứu
Với sự phát triển gần đây của công nghệ máy học, việc sử dụng bot trong văn bản và bóng đá trực tuyến kèo nhà cái thoại ngày càng thu hút nhiều sự chú ý
Làm việc nghiên cứu về lĩnh vực giọng nói và âm học tại AI LabTại 101031_101108|, chúng tôi đang tiến hành nghiên cứu để hiện thực hóa các tương tác bằng giọng nói tự nhiên và nâng cao, chẳng hạn như giọng nói song sinh kỹ thuật số của những người nổi tiếng, quảng cáo bằng giọng nói và ứng dụng cho bot giọng nói của trung tâm cuộc gọi Ngoài ra,, chúng tôi sẽ tiến hành nghiên cứu và phát triển đối thoại dịch vụ khách hàng với mục đích hiện thực hóa một tác nhân đối thoại khuyến khích hành vi của con người và vào năm 2021, chúng tôi sẽ thành lập một tổ chức chung gồm các nhóm nghiên cứu của AI Lab ``Trung tâm nghiên cứu đối thoại hoàn toàn tự động
AI Shift Co, Ltd cũng cung cấp dịch vụ phản hồi tự động tại các trung tâm cuộc gọi và hỗ trợ giới thiệu AI sáng tạo, đồng thời đang nỗ lực hàng ngày để kết hợp các kết quả nghiên cứu vào sản phẩm Đặc biệt, đối với dịch vụ trả lời điện thoại tự động, chúng tôi không ngừng cải tiến các lĩnh vực kỹ thuật ảnh hưởng trực tiếp đến chất lượng sản phẩm, chẳng hạn như xác định chấm dứt cuộc gọi và xử lý nhận dạng giọng nói

Công ty chúng tôi đang tham gia nghiên cứu trong lĩnh vực này theo cách này, nhưng để khám phá thêm các công nghệ cơ bản cho hệ thống đối thoại và thúc đẩy cộng tác, chúng tôi đã thành lập "bóng đá trực tuyến kèo nhà cái thảo phát triển mô-đun đối thoại" trong hệ thống bóng đá trực tuyến kèo nhà cái thảo CA, cho phép các kỹ sư sử dụng một lượng thời gian làm việc nhất định để tiến hành các hoạt động nghiên cứu nhằm mục đích giúp các kỹ sư nâng cao kỹ năng của họ※2và đã tích cực tiến hành nghiên cứu và phát triển Nghiên cứu này là một phần kết quả của hoạt động bóng đá trực tuyến kèo nhà cái thảo của chúng tôi


■Bài viết tóm tắt
Tinh chỉnh mô hình cơ bản được đào tạo trước trên dữ liệu quy mô lớn※2, hiệu suất của nó phụ thuộc nhiều vào lượng dữ liệu huấn luyện cho ngôn ngữ đích
Tinh chỉnh dữ liệu có số lượng hoặc chất lượng hạn chế có thể dẫn đến tình trạng trang bị quá mức và không nhất thiết mang lại hiệu suất tối ưu
Để giải quyết thách thức này, chúng tôi đã đề xuất phương pháp điều chỉnh dựa trên vectơ nhiệm vụ nhằm cải thiện hiệu suất của tính năng nhận dạng giọng nói tự động (ASR) ở các ngôn ngữ có nguồn tài nguyên thấp
Vectơ nhiệm vụ cung cấp một phương pháp linh hoạt để điều chỉnh mô hình hiệu quả mà không cần đào tạo lại và đặc biệt hữu ích trong các tình huống hạn chế về tài nguyên
Nghiên cứu gần đây đã chỉ ra rằng vectơ tác vụ có hiệu quả trong việc điều chỉnh miền cho các tác vụ ASR nhưng việc sử dụng chúng bị giới hạn trong cùng một ngôn ngữ
Trong thử nghiệm được giới thiệu trong bài báo được chấp nhận gần đây, chúng tôi đã xác minh sự kết hợp của nhiều vectơ nhiệm vụ khác nhau và hệ số tỷ lệ của chúng (hệ số điều chỉnh cho mức độ trộn lẫn của vectơ nhiệm vụ) nhằm mục đích cải thiện hiệu suất ASR trong các ngôn ngữ có nguồn tài nguyên thấp
Tại thời điểm này, chúng tôi cũng tìm kiếm các kết hợp dựa trên đặc điểm nhóm của ngôn ngữ đích và lượng dữ liệu được đào tạo trước cho mô hình
Các thử nghiệm đã chỉ ra rằng việc sử dụng vectơ nhiệm vụ từ cùng một họ ngôn ngữ có thể đạt được hiệu suất tốt hơn so với việc tinh chỉnh đơn giản với dữ liệu hạn chế


■Tương lai
Kết quả nghiên cứu này dự kiến sẽ được áp dụng cho các sản phẩm yêu cầu công nghệ nhận dạng giọng nói, chẳng hạn như dịch vụ trả lời điện thoại tự động do công ty chúng tôi cung cấp
Ngay cả khi khó tạo dữ liệu miền đào tạo do đặc điểm của sản phẩm, vẫn có thể cải thiện hiệu suất ASR nếu dữ liệu có đặc điểm miền tương tự được chuẩn bị Ngoài ra, vì phương pháp này sử dụng vectơ nhiệm vụ nên ngay cả khi miền đích thay đổi, vẫn có thể chuyển đổi miền mà không cần phải học lại
AI Lab và AI Shift sẽ tiếp tục kết hợp công nghệ AI vào các sản phẩm để giải quyết các vấn đề kinh doanh và xã bóng đá trực tuyến kèo nhà cái, đồng thời cố gắng tiến hành nghiên cứu và phát triển nhằm đóng góp cho sự phát triển công nghệ và học thuật

※1

※2
Hệ thống bóng đá trực tuyến kèo nhà cái thảo: Hệ thống CyberAgent cho phép bạn sử dụng một phần thời gian làm việc của mình để tiến hành các hoạt động nghiên cứu công nghệ
※3
Công nghệ thêm dữ liệu duy nhất vào mô hình đã huấn luyện và tạo mô hình lưu trữ kiến thức mới