Perception
Ses tarafı üç ayrı işten oluşur: konuşmayı yazıya çeviren tanıma (ASR), metni sese çeviren sentez (TTS) ve konuşmayı doğrudan konuşmaya çeviren gerçek zamanlı modeller. Toplu transkripsiyon ile canlı sohbet farklı ölçütlere bakar: ilki kelime hata oranı ve dil kapsamı, ikincisi gecikme ve sıra devri (turn-taking) doğruluğu — aynı modelin ikisinde de iyi olması beklenmez. Model seçimi, Türkçe başarımı ve şive sorunu, gerçek zamanlı ses ajanlarının mimarisi ve ses klonlamanın etik-hukuki sınırları bu başlıkta ele alınır.
Sesle kimlik doğrulama, sesin taklit edilemez olduğu varsayımına dayanıyordu. Bu varsayım artık geçerli değil: kısa bir kayıttan üretilen bir ses, telefon kanalının sıkıştırması altında insan kulağıyla ayırt edilemiyor. Sonuç, sesin bir kimlik kanıtı olmaktan çıkıp yalnızca bir kolaylık unsuruna dönüşmesi — ve sesle onay veren her sürecin yeniden tasarlanması gerekliliği.
Aynı konunun öğretim ve ölçüm formatları.
Testler
