AssemblyAI pristatė Universal-3.5 Pro su natūraliu kalbų perjungimu ir patobulintu kalbėtojų atskyrimu
Trumpai: AssemblyAI išleido Universal-3.5 Pro — naują pagrindinį asinchroninį kalbos atpažinimo (STT) modelį, kainuojantį 0,21 USD/val. Modelis natūraliai transkribuoja kalbų perjungimo (code-switching) pokalbius 18 kalbų be papildomos konfigūracijos, pristato bendrai modeliuojamą kalbėtojų atskyrimą, integruotą tiesiai į transkriptą (o ne sujungtą iš atskiros sistemos), bei palaiko kontekstinį paraginimą, leidžiantį pateikti modeliui srities žinias. Testai rodo mažesnį žodžių klaidų lygį kalbų perjungimo garso įrašuose ir didesnį cpWER tikslumą kalbėtojų atskyrime, lyginant su kelais konkurentų modeliais ir ankstesniu AssemblyAI Universal-3 Pro.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „AssemblyAI“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Natūralus kalbų perjungimo transkribavimas 18 kalbų, be atskiros konfigūracijos
- 2Naujas bendras kalbėtojų atskyrimo metodas, susiejantis žodžius su kalbėtojais tiesiogiai, o ne per laiko žymų derinimą
- 3Tikslumas matuojamas naudojant cpWER, o ne DER, kurį kompanija teigia geriau atspindint realų transkripto tikslumą
- 4Kontekstinis paraginimas leidžia pateikti srities kontekstą (klinikinius užrašus, susitikimų darbotvarkes, produktų pavadinimus) tikslumui pagerinti
- 5Mažesnis kalbų perjungimo WER (vidurkis 7,69 % prieš 9,07 % Universal-3 Pro) ir geriausias cpWER (vidurkis 30,17) tarp lygintų modelių
- 6Kaina 0,21 USD/val.; prieinama per API parametrą universal-3-5-pro ir kaip naujas numatytasis realaus laiko modelis
| Parametras | Buvo | Dabar |
|---|---|---|
| Kalbų perjungimo WER (vidurkis, 5 kalbų poros) | 9,07% (Universal-3 Pro) | 7,69% |
| Visiškai palaikomos kalbos | Nenurodyta | 18 kalbų su natūraliu kalbų perjungimu sakinio viduryje |
| Diarizacijos tikslumas (cpWER vidurkis) | Nenurodyta | 30,17% (žemiausias/geriausias tarp lygintų modelių) |
| Kaina | Nenurodyta | 0,21 USD/val. |
Kodėl tai svarbu?
Komandoms, kuriančioms skambučių centro analitiką ar balso produktus, tikslesnis kalbėtojų priskyrimas ir natūralus mišrių kalbų pokalbių apdorojimas sumažina klaidas tolesnėse QA, atitikties ir analitikos sistemose, o kontekstinis paraginimas gali sumažinti srities klaidas be pakartotinio modelio mokymo.
Ką tai reiškia AI agentams ir kontaktų centrams?
Jei jūsų įmonė apdoroja daugiakalbius ar kalbas perjungiančius skambučius, arba jai reikia patikimų kalbėtojų lygio transkriptų skambučių kokybės kontrolei ir analitikai, šį modelį verta palyginti su dabartiniu STT tiekėju naudojant realius skambučių įrašus, tikrinant tiek diarizacijos tikslumą (cpWER), tiek kainą už valandą.
🧪 Verta testuoti
Patobulintas kalbėtojų atskyrimas ir kalbų perjungimo tikslumas nurodytai kainai galėtų reikšmingai pagerinti skambučių centro transkriptų kokybę ir tolesnę analitiką, jei tai patvirtinama su savo garso įrašais ir kalbomis.
Šaltiniai
- AssemblyAIOficialusPirminis šaltinisOriginalus straipsnis →„Universal-3.5 Pro: native code switching, our most accurate speaker diarization yet, and expanded language support“
- Šaltinio publikavimo data
- —
- Mūsų sistema rado
- 2026-10-06 20:35
- Santrauka sugeneruota
- 2026-10-06 20:36
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas