La reconnaissance vocale alimentée par l’IA entre dans une nouvelle phase : la compréhension globale totale
Une start-up de reconnaissance vocale s’est lancée dans une démarche ambitieuse pour devancer Apple, Google et d’autres géants de la technologie. L’IA peut-elle comprendre les 7 000 langues du monde ?
Une start-up de reconnaissance vocale vient de décrocher 62 millions de dollars en financement de série B. Comment l’argent sera-t-il utilisé ? Dans une quête pour permettre à un ordinateur de comprendre toutes les voix du monde.
Si cela ne vous semble pas extrêmement ambitieux, c'est que vous n'avez pas passé assez de temps à essayer de faire en sorte que Siri rédige un message texte. La reconnaissance vocale a été un énorme défi pour les développeurs, et c'est un casse-tête qui est surveillé de près dans divers secteurs. La technologie a des implications pour les interfaces homme-machine dans des domaines tels que la robotique, les véhicules autonomes et l’informatique personnelle, qui bénéficieront tous d’ordinateurs capables d’interpréter avec précision la parole naturelle.
La reconnaissance vocale est donc une sorte de point d’entrée technologique, un besoin du marché qui peut aider à stimuler le développement de technologies qui auront une large résonance et des implications incalculables sur la façon dont nous interagissons avec les machines.
C'est aussi une question d'équité. Il n’est donc pas surprenant que la reconnaissance vocale fonctionne actuellement bien pour une petite partie de la population mondiale.
Une grande partie du défi réside dans le modèle de formation. La plupart des données d’entraînement doivent être classifiées manuellement, ce qui signifie que la précision n’est réalisable que sur un ensemble très restreint de locuteurs (sans surprise, cet ensemble étroit correspondait précisément aux consommateurs les plus précieux). Speechmatics adopte une approche différente dans sa tentative de reconnaissance vocale plus représentative.
Sur la base des ensembles de données utilisés dans l'étude « Disparités raciales dans la reconnaissance vocale » de Stanford, Speechmatics a enregistré une précision globale de 82,8 % pour les voix afro-américaines, contre 68,6 % pour Google et Amazon (68,6 %). Ce niveau de précision équivaut à une réduction de 45 % des erreurs de reconnaissance vocale, soit l’équivalent de trois mots dans une phrase moyenne.
Son moteur est exposé à des centaines de milliers de voix individuelles à l'aide de données vocales non étiquetées et plus représentatives qui ne nécessitent aucune intervention humaine. Cela a contribué à accroître la couverture au-delà des anglophones.
« Nos progrès au cours des dernières années nous ont submergés d’intérêt de la part des investisseurs pour notre levée de fonds de série B », a déclaré Katy Wigdahl, chef de la direction. « L’équipe de Speechmatics est extrêmement ambitieuse. Nous disposons d'un véritable héritage en matière de technologie vocale combiné à certains des experts les plus talentueux au monde en matière de parole et d'apprentissage automatique.
À l’heure actuelle, le moteur comprend 34 langues, une petite goutte d’eau dans un très grand seau linguistique (il y a plus de 7 000 langues parlées dans le monde). Mais la plate-forme a fait des progrès impressionnants en matière de ponctuation, de chiffres, de devises et d’adresses, qui contrecarrent traditionnellement les moteurs de reconnaissance vocale.
Tout cela a suscité un intérêt majeur pour l’entreprise basée au Royaume-Uni. Des entreprises comme 3Play Media, Veritone, Deloitte UK et Vonage, ainsi que des services gouvernementaux du monde entier, utilisent la plateforme.
Conformément à ses objectifs mondiaux, Speechmatics a son siège social au Royaume-Uni, mais possède des bureaux à Boston (États-Unis), Chennai (Inde) et Brno (République tchèque). L’entreprise utilisera cet investissement pour soutenir son expansion mondiale aux États-Unis et en Asie-Pacifique.