هندستان جهڙي ثقافتي طور تي متنوع ۽ لساني طور تي امير ملڪ ۾، جامع AI جي تعمير نمائندگي ڪندڙ، اعليٰ معيار جي ڊيٽاسيٽس گڏ ڪرڻ سان شروع ٿئي ٿي. اهو ئي پروجيڪٽ واني جي پويان خواب آهي - هڪ وڏي پيماني تي، اوپن سورس شروعات جنهن جي اڳواڻي ARTPARK ، IISc بنگلورو ، ۽ گوگل ڪري رهيا آهن ، جنهن جو مقصد هر هندستاني ٻولي ۽ لهجي کي آواز ڏيڻ آهي.
عظيم مقصد؟ هندستان جي 773 ضلعن ۾ 1 لک ماڻهن کان 150,000+ ڪلاڪن جي تقرير ۽ 15,000+ ڪلاڪن جي ٽرانسڪرپشن گڏ ڪرڻ.
هن قومي مشن لاءِ اهم وينڊرز مان هڪ جي حيثيت سان، شيپ خود بخود تقرير جي ڊيٽا، ٽرانسڪرپشن، ۽ ميٽا ڊيٽا ڪليڪشن کي ترتيب ڏيڻ ۾ اهم ڪردار ادا ڪيو - برابر آواز ٽيڪنالاجي لاءِ بنياد رکيو جيڪي حقيقي هندستان جي نمائندگي ڪن ٿيون.
پروجيڪٽ واني جي پويان ويزن
پروجيڪٽ واني هندستان ۾ سڀ کان وڏو ملٽي موڊل، گهڻ لساني، اوپن سورس ڊيٽاسيٽ ٺاهي ڪري AI شموليت جي فرق کي پورو ڪرڻ لاءِ ٺاهيو ويو آهي . هي ڊيٽا مقامي هندستاني ٻولين ۾ صحيح تقرير جي سڃاڻپ، ترجمو، ۽ جنريٽو AI سسٽم کي ترقي ڪرڻ لاءِ بنيادي آهي - جن مان ڪيتريون ئي عالمي ٽيڪ ايڪو سسٽم ۾ گهٽ نمائندگي ڪن ٿيون.
ڊگهي مدت جو خواب اثرائتو ايپليڪيشنن کي طاقت ڏيڻ آهي:
- صحت جي سار سنڀار - آواز تي ٻڌل ٽيلي ميڊيسن
- تعليم - مقامي سکيا جا پليٽ فارم
- حاڪم - شهري خدمتن لاءِ ڳالهه ٻولهه وارو رابطو
- پهچ - مختلف طور تي معذور استعمال ڪندڙن لاءِ آواز جا اوزار
- آفت جو جواب - مقامي ٻولين ۾ حقيقي وقت ۾ رابطو
ڪيئن شيپ پراجيڪٽ واني لاءِ هندستان جو سڀ کان وڏو اوپن سورس اسپيچ ڊيٽا سيٽ ٺاهڻ ۾ مدد ڪئي
شيپ کي 8,000 ڪلاڪن جي خود بخود تقرير ۽ 800 ڪلاڪن جي دستي طور تي تصديق ٿيل ٽرانسڪرپشن جي گڏ ڪرڻ جي ذميواري سونپي وئي هئي . اسان جي ذميواري اسپيڪر آن بورڊنگ، آڊيو ڪيپچر، ميٽا ڊيٽا ٽيگنگ، ٽرانسڪرپشن ڪوآرڊينيشن، ۽ ڪوالٽي ڪنٽرول تي مشتمل هئي.
8,000 ڪلاڪ جو خود بخود آڊيو ڊيٽا
هر ضلعي ۾ 400 کان وڌيڪ مقامي ڳالهائيندڙن جون رڪارڊنگون ، جيڪي مختلف عمر جي گروپن، جنسن ۽ لهجن جي نمائندگي ڪن ٿيون.
80 ضلعا، ڍڪيل
قدرتي، لاڳاپيل تقرير کي يقيني بڻائڻ لاءِ تصوير تي ٻڌل ترغيب
هتي اهو آهي جيڪو اسان جي طريقي کي منفرد بڻايو:
ضلعي سطح جي تنوع
اسان بهار، اتر پرديش، ڪرناٽڪ، اولهه بنگال ۽ مهاراشٽر جهڙن رياستن ۾ پکڙيل 80 ضلعن مان رڪارڊنگ حاصل ڪئي. هر ضلعي 100 ڪلاڪن جو آڊيو ڊيٽا فراهم ڪيو، علائقائي توازن کي يقيني بڻايو. اسان مقامي ڳالهائيندڙن کي شامل ڪيو، علائقائي تلفظن ۽ لهجن جي نمائندگي کي يقيني بڻايو جيڪي اڪثر ڪري مکيه وهڪرو AI ڊيٽاسيٽس ۾ نظرانداز ڪيا ويندا آهن.
لساني ۽ آبادي جي نمائندگي
اسان بهار، اتر پرديش، ڪرناٽڪ، اولهه بنگال ۽ مهاراشٽر جهڙن رياستن ۾ پکڙيل 80 ضلعن مان رڪارڊنگ حاصل ڪئي. هر ضلعي 100 ڪلاڪن جو آڊيو ڊيٽا فراهم ڪيو، علائقائي توازن کي يقيني بڻايو. اسان مقامي ڳالهائيندڙن کي شامل ڪيو، علائقائي تلفظن ۽ لهجن جي نمائندگي کي يقيني بڻايو جيڪي اڪثر ڪري مکيه وهڪرو AI ڊيٽاسيٽس ۾ نظرانداز ڪيا ويندا آهن.
تصوير سان اشارو ڪيل تقرير
خود بخود ۽ قدرتي لفظ کي متحرڪ ڪرڻ لاءِ، شرڪت ڪندڙن کي هر سيشن ۾ 45-90 تصويرون ڏيکاريون ويون ۽ انهن کي بيان ڪرڻ لاءِ چيو ويو. شرڪت ڪندڙن کي مختلف تصويرون استعمال ڪرڻ تي مجبور ڪيو ويو - ثقافتي علامتن کان وٺي روزمره جي شين تائين - انهن جي مادري ٻولي ۾ قدرتي، خود بخود ردعمل پيدا ڪرڻ لاءِ. هن يقيني بڻايو ته رڪارڊنگ حقيقي دنيا، تناظر واري تقرير کي ظاهر ڪري ٿي - ترقي يافته اين ايل پي سسٽم جي تربيت لاءِ ضروري آهي.
اعليٰ معيار جي ٽرانسڪرپشن جا معيار
تقرير جي ڊيٽا جو صرف 10٪ نقل ڪيو ويو - 800 ڪلاڪن جي برابر. مقامي لسانيات جي ماهرن پاران اسپيڪر جي 20-50 ڪلوميٽر ريڊيس اندر ٽرانسڪرپشن ڪيا ويا، ٻولين ۽ نزاڪتن سان واقفيت کي يقيني بڻايو ويو. هڪ ٻئي پرت جي چڪاس <5٪ لفظ جي غلطي جي شرح (WER) کي يقيني بڻايو.
سخت معيار جي ضمانت
آڊيو ڊيٽا کي هڪ اعليٰ بار تي پورو لهڻو هو: ڪو به پس منظر جو شور، گونج، فون وائبريشن، يا تحريف نه. آڊيو خاموش، گونج کان پاڪ ماحول ۾ رڪارڊ ڪيو ويو. تقرير جي وضاحت، شور جي سطح، ميٽا ڊيٽا جي درستگي، ۽ اسپيڪر جي تصديق لاءِ هدايتن کي پورو ڪرڻ لاءِ فائلن جو سخت جائزو ورتو ويو. ميٽا ڊيٽا ٽيگنگ سڀني فائلن ۾ صحيح هجڻ گهرجي ها، ۽ سڀني رڪارڊنگ کي اسپيڪر ۽ مقام جي ترتيب لاءِ چيڪ ڪيو ويو هو.
اسان جي حل ڪيل چئلينجز
- ريموٽ لاجسٽڪ - 80 ضلعن ۾ ٽيمن جو انتظام
- اسپيڪر جي تنوع - ڏورانهن هنڌن تي 32,000+ تصديق ٿيل اسپيڪرن کي آن بورڊ ڪرڻ
- ثقافتي حساسيت - مقامي رسمن ۽ ٻولين جو احترام ڪرڻ
- ڊيٽا جي سالميت - معيار ۽ تعميل جي معيارن کي پورو ڪرڻ
- معيار تي ضابطو - ڪيترن ئي لساني ۽ ثقافتي حوالي سان
اسان جي ڪاميابي محتاط منصوبابندي، ٽيڪنالاجي تي ٻڌل تصديق، ۽ مقامي ٽيمن سان ڀائيواري تي منحصر هئي جيڪي هر علائقي جي ثقافتي نزاڪتن کي سمجهندا هئا.
اثر ۽ ايپليڪيشنون
شيپ جي تعاون نه رڳو پراجيڪٽ واني جي ترقي کي تيز ڪيو آهي پر هندستان ۾ جامع AI جي بنياد پڻ رکي آهي. ڪيوريٽ ٿيل اسپيچ ڊيٽاسيٽ اڳ ۾ ئي AI ماڊلز کي ٺاهڻ ۽ انهن کي بهتر ڪرڻ لاءِ استعمال ڪيو پيو وڃي:
- مقامي ٻولي جا وائس اسسٽنٽ
- علائقائي ترجمي جا انجن
- بصارت کان محروم ماڻهن لاءِ رسائي لائق مواصلاتي اوزار
- ٻهراڙي جي شاگردن لاءِ AI تي ٻڌل ايڊٽيڪ پليٽ فارم
- ٻهراڙي ٽيلي ميڊيسن
- آواز تي ٻڌل شهري خدمتون
- حقيقي وقت ۾ ترجمو ۽ نقل
ٿڪل
پروجيڪٽ واني جامع، رسائي لائق AI جي طرف هڪ جرئتمند قدم آهي - ۽ شيپ کي بنيادي ڪردار ادا ڪرڻ جو اعزاز حاصل آهي. پروجيڪٽ واني تي شيپ جو ڪم تنوع ۽ نمائندگي ۾ جڙيل اخلاقي، جامع AI سسٽم ٺاهڻ جي اسان جي عزم جي تصديق ڪري ٿو. 8,000 ڪلاڪن کان وڌيڪ تقرير گڏ ڪرڻ ۽ 800 ڪلاڪن جي نقل سان، اسان کي فخر آهي ته اسان هندستان جي سڀ کان وڌيڪ بصيرت واري ڊجيٽل شموليت منصوبن مان هڪ ۾ حصو ورتو آهي.
جيئن ته پروجيڪٽ واني 150,000+ ڪلاڪن جي ڊيٽا جي پنهنجي وڏي مقصد ڏانهن جاري آهي، اسان AI جدت جي ايندڙ محاذ جي حمايت ڪرڻ لاءِ تيار آهيون جيڪا هر هندستاني لاءِ ۽ هر هندستاني لاءِ ڳالهائي ٿي.
ڇا توهان اسان سان ڀائيواري ڪرڻ چاهيو ٿا ته جيئن حقيقي دنيا کي سمجهي سگهجي اهڙي مصنوعي ذهانت ٺاهي سگهجي؟ www.shaip.com
