Aprovechar la gran cantidad de datos de audio mediante una anotación multimodal precisa

En los sectores de la atención al cliente, la salud y el análisis del comportamiento, la explotación de los datos de audio es fundamental para entrenar modelos que puedan detectar intenciones, emociones o entidades en el habla humana.

‍

La misión

‍

Cree un conjunto de datos rico y estructurado a partir de archivos de audio sin procesar, que incluya:

• La fina segmentación de los audios en Trozos relevante con las marcas de tiempo;
• Transcripción manual de segmentos, con corrección de errores de reconocimiento de voz;
• La anotación de más de 30 etiquetas relacionadas con el contenido (temas, intenciones, emociones, entidades, interrupciones... );
• Construir relaciones multimodal entre la transcripción y las partes de audio correspondientes.

‍

Innovatiana movilizó un equipo dedicado, experto en anotaciones de audio y PNL, y estableció un proceso estructurado que permitía un alto nivel de precisión y una trazabilidad completa de las anotaciones.

‍

Los resultados

‍

• Un conjunto de datos estructurado para entrenar modelos de conversión de voz a texto, clasificación o detección de intenciones;
• Una base de verdad multimodal alineada para aprovechar tanto la señal de audio como su interpretación lingüística;
• Una reducción significativa del tiempo necesario para la validación humana gracias a la calidad inicial de las anotaciones.

‍