ایمیزون ٹرانسکرائب میں حسب ضرورت الفاظ کے ساتھ کسٹمر ایجنٹ کالز کی نقل کی درستگی کو بہتر بنائیں

بہت سے AWS گاہکوں کامیابی سے استعمال کر رہے ہیں۔ ایمیزون نقل درست طریقے سے، مؤثر طریقے سے، اور خود بخود ان کے گاہک کی آڈیو گفتگو کو متن میں تبدیل کرنے، اور ان سے قابل عمل بصیرت حاصل کرنے کے لیے۔ یہ بصیرتیں آپ کو ان عملوں اور مصنوعات کو مسلسل بڑھانے میں مدد کر سکتی ہیں جو براہ راست آپ کے صارفین کے لیے معیار اور تجربے کو بہتر بناتے ہیں۔

بہت سے ممالک میں، جیسے ہندوستان، انگریزی رابطے کی بنیادی زبان نہیں ہے۔ ہندوستانی صارفین کی گفتگو میں ہندی جیسی علاقائی زبانیں ہوتی ہیں، انگریزی الفاظ اور جملے کالوں کے دوران بے ترتیب بولے جاتے ہیں۔ ماخذ میڈیا فائلوں میں، مناسب اسم، ڈومین کے لیے مخصوص مخففات، الفاظ، یا فقرے ہو سکتے ہیں جن کے بارے میں ایمیزون ٹرانسکرائب کا ڈیفالٹ ماڈل واقف نہیں ہے۔ اس طرح کی میڈیا فائلوں کے لیے نقل میں ان الفاظ کے لیے غلط ہجے ہو سکتے ہیں۔

اس پوسٹ میں، ہم یہ ظاہر کرتے ہیں کہ آپ Amazon Transscribe کو مزید معلومات کیسے فراہم کر سکتے ہیں۔ حسب ضرورت الفاظ Amazon Transcribe آپ کی آڈیو فائلوں کے ٹرانسکرپشن کو کاروباری مخصوص اصطلاحات کے ساتھ ہینڈل کرنے کے طریقے کو اپ ڈیٹ کرنے کے لیے۔ ہم ہنگلش کالز (ہندوستانی ہندی کالیں جن میں ہندوستانی انگریزی الفاظ اور فقرے شامل ہیں) کے لیے نقل کی درستگی کو بہتر بنانے کے اقدامات دکھاتے ہیں۔ آپ اسی عمل کو کسی کے ساتھ آڈیو کالز کو نقل کرنے کے لیے استعمال کر سکتے ہیں۔ زبان کی حمایت کی ایمیزون ٹرانسکرائب کے ذریعہ۔ اپنی مرضی کے مطابق الفاظ بنانے کے بعد، آپ ہماری آڈیو کالز کو درستگی اور پیمانے پر نقل کر سکتے ہیں۔ پوسٹ کال کے تجزیات حل، جس پر ہم بعد میں اس پوسٹ میں مزید بات کریں گے۔

حل جائزہ

ہم مندرجہ ذیل ہندوستانی ہندی آڈیو کال استعمال کرتے ہیں (SampleAudio.wavعمل کو ظاہر کرنے کے لیے بے ترتیب انگریزی الفاظ کے ساتھ۔

اس کے بعد ہم آپ کو درج ذیل اعلیٰ سطحی مراحل سے گزرتے ہیں:

1. ڈیفالٹ ایمیزون ٹرانسکرائب ہندی ماڈل کا استعمال کرتے ہوئے آڈیو فائل کو ٹرانسکرائب کریں۔
2. ماڈل کی درستگی کی پیمائش کریں۔
3. اپنی مرضی کے الفاظ کے ساتھ ماڈل کو تربیت دیں۔
4. تربیت یافتہ ماڈل کی درستگی کی پیمائش کریں۔

شرائط

اس سے پہلے کہ ہم شروع کریں، ہمیں اس بات کی تصدیق کرنے کی ضرورت ہے کہ ان پٹ آڈیو فائل کو پورا کرتی ہے۔ ڈیٹا ان پٹ کی ضروریات کو نقل کریں۔.

A مونوفونک ریکارڈنگ، بھی کہا جاتا ہے مونو, ایک آڈیو سگنل پر مشتمل ہے، جس میں ایجنٹ اور کسٹمر کے تمام آڈیو عناصر کو ایک چینل میں ملایا جاتا ہے۔ اے سٹیریوفونک ریکارڈنگ، بھی کہا جاتا ہے سٹیریودو الگ الگ چینلز میں ایجنٹ اور گاہک کے آڈیو عناصر کو کیپچر کرنے کے لیے دو آڈیو سگنلز پر مشتمل ہے۔ ہر ایجنٹ-کسٹمر ریکارڈنگ فائل میں دو آڈیو چینلز ہوتے ہیں، ایک ایجنٹ کے لیے اور ایک کسٹمر کے لیے۔

کم مخلص آڈیو ریکارڈنگ، جیسے ٹیلی فون ریکارڈنگ، عام طور پر 8,000 Hz نمونے کی شرح استعمال کرتی ہیں۔ Amazon ٹرانسکرائب 16,000–48,000 Hz کے درمیان نمونہ کی شرحوں کے ساتھ مونو ریکارڈ شدہ اور اعلی مخلص آڈیو فائلوں کی پروسیسنگ کی حمایت کرتا ہے۔

ٹرانسکرپشن کے بہتر نتائج کے لیے اور ایجنٹ اور گاہک کے ذریعے بولے گئے الفاظ کو واضح طور پر الگ کرنے کے لیے، ہم 8,000 Hz نمونے کی شرح پر ریکارڈ کی گئی آڈیو فائلوں کو استعمال کرنے کی تجویز کرتے ہیں اور سٹیریو چینل کو الگ کیا گیا ہے۔

آپ اس طرح کے آلے کا استعمال کرسکتے ہیں ایف ایم پی ایم کمانڈ لائن سے اپنی ان پٹ آڈیو فائلوں کی توثیق کرنے کے لیے:

ffmpeg -i SampleAudio.wav

واپس آنے والے جواب میں، ان پٹ سیکشن میں سٹریم سے شروع ہونے والی لائن کو چیک کریں، اور تصدیق کریں کہ آڈیو فائلیں 8,000 ہرٹز اور سٹیریو چینل الگ ہیں:

Input #0, wav, from 'SampleAudio.wav':
Duration: 00:01:06.36, bitrate: 256 kb/s
Stream #0:0: Audio: pcm_s16le ([1][0][0][0] / 0x0001), 8000 Hz, stereo, s16, 256 kb/s

جب آپ بڑی تعداد میں آڈیو فائلوں کو پروسیس کرنے کے لیے پائپ لائن بناتے ہیں، تو آپ اس مرحلے کو خودکار طریقے سے ان فائلوں کو فلٹر کر سکتے ہیں جو ضروریات کو پورا نہیں کرتی ہیں۔

ایک اضافی شرط کے طور پر، ایک Amazon Simple Storage Service (Amazon S3) بالٹی بنائیں تاکہ آڈیو فائلوں کو ٹرانسکرائب کیا جا سکے۔ ہدایات کے لیے، رجوع کریں۔ اپنی پہلی S3 بالٹی بنائیں.پھر آڈیو فائل اپ لوڈ کریں۔ S3 بالٹی تک۔

آڈیو فائل کو ڈیفالٹ ماڈل کے ساتھ نقل کریں۔

اب ہم کر سکتے ہیں۔ ایمیزون ٹرانسکرائب شروع کریں۔ ہماری اپ لوڈ کردہ آڈیو فائل کا استعمال کرتے ہوئے کال اینالیٹکس جاب۔ اس مثال میں، ہم استعمال کرتے ہیں۔ AWS مینجمنٹ کنسول آڈیو فائل کو نقل کرنے کے لیے۔ آپ بھی استعمال کر سکتے ہیں۔ AWS کمانڈ لائن انٹرفیس (AWS CLI) یا AWS SDK۔

1. ایمیزون ٹرانسکرائب کنسول پر، منتخب کریں۔ کال تجزیات نیوی گیشن پین میں.
2. میں سے انتخاب کریں تجزیاتی ملازمتوں کو کال کریں۔.
3. میں سے انتخاب کریں نوکری پیدا کریں۔.
4. کے لئے نام، ایک نام درج کریں۔
5. کے لئے زبان کی ترتیباتمنتخب مخصوص زبان.
6. کے لئے زبانمنتخب کریں ہندی، IN (hi-IN).
7. کے لئے ماڈل کی قسممنتخب عام ماڈل.
8. کے لئے S3 پر فائل کا مقام داخل کریں۔اپ لوڈ کردہ آڈیو فائل پر مشتمل S3 بالٹی کو براؤز کریں۔
9. میں آؤٹ پٹ ڈیٹا سیکشن، ڈیفالٹس کو چھوڑ دیں.
10. میں اجازت تک رسائی سیکشن، منتخب کریں ایک IAM کردار بنائیں.
11. ایک نیا بنائیں AWS شناخت اور رسائی کا انتظام (IAM) کے کردار کو ہندی ٹرانسکرپشن کا نام دیا گیا ہے جو S3 بالٹی سے آڈیو فائلوں کو پڑھنے اور استعمال کرنے کے لیے ایمیزون ٹرانسکرپشن سروس کی اجازت فراہم کرتا ہے۔ AWS کلیدی انتظام کی خدمت (AWS KMS) کو خفیہ کرنے کی کلید۔
12. میں کام کو ترتیب دیں۔ سیکشن، ڈیفالٹس چھوڑ دیں، بشمول حسب ضرورت الفاظ غیر منتخب
13. میں سے انتخاب کریں نوکری پیدا کریں۔ آڈیو فائل کو نقل کرنے کے لیے۔

جب ملازمت کی حیثیت مکمل ہو جائے تو، آپ نوکری (SampleAudio) کا انتخاب کر کے نقل کا جائزہ لے سکتے ہیں۔

کسٹمر اور ایجنٹ کے جملوں کو واضح طور پر الگ کر دیا گیا ہے، جس سے ہمیں یہ شناخت کرنے میں مدد ملتی ہے کہ آیا گاہک یا ایجنٹ نے کوئی مخصوص الفاظ یا جملے بولے ہیں۔

ماڈل کی درستگی کی پیمائش کریں۔

ورڈ ایرر ریٹ (WER) خودکار اسپیچ ریکگنیشن (ASR) سسٹمز کی درستگی کا جائزہ لینے کے لیے تجویز کردہ اور سب سے زیادہ استعمال ہونے والا میٹرک ہے۔ مقصد ASR نظام کی درستگی کو بہتر بنانے کے لیے WER کو زیادہ سے زیادہ کم کرنا ہے۔

WER کا حساب لگانے کے لیے، درج ذیل مراحل کو مکمل کریں۔ یہ پوسٹ اوپن سورس کا استعمال کرتی ہے۔ asr- تشخیص WER کا حساب لگانے کے لیے تشخیصی ٹول، لیکن دوسرے ٹولز جیسے ایس سی ٹی کے or جیور بھی دستیاب ہیں.

1. انسٹال la asr-evaluation ٹول، جو آپ کی کمانڈ لائن پر wer اسکرپٹ دستیاب کرتا ہے۔
   پوسٹ میں بعد میں دکھائے گئے wer کمانڈز کو چلانے کے لیے macOS یا Linux پلیٹ فارمز پر کمانڈ لائن استعمال کریں۔
2. ایمیزون ٹرانسکرائب جاب کی تفصیلات والے صفحے سے ٹرانسکرپٹ کو ایک ٹیکسٹ فائل میں کاپی کریں۔ hypothesis.txt.
   جب آپ کنسول سے ٹرانسکرپشن کاپی کرتے ہیں، تو آپ کو الفاظ کے درمیان ایک نیا لائن کریکٹر نظر آئے گا۔ Agent :, Customer :, اور ہندی رسم الخط۔
   اس پوسٹ میں جگہ بچانے کے لیے لائن کے نئے حروف کو ہٹا دیا گیا ہے۔ اگر آپ متن کو استعمال کرنے کا انتخاب کرتے ہیں جیسا کہ کنسول سے ہے، اس بات کو یقینی بنائیں کہ آپ جو حوالہ ٹیکسٹ فائل بناتے ہیں اس میں بھی نئے لائن حروف ہیں، کیونکہ wer ٹول لائن بہ لائن کا موازنہ کرتا ہے۔
3. پورے ٹرانسکرپٹ کا جائزہ لیں اور کسی ایسے الفاظ یا جملے کی نشاندہی کریں جن کو درست کرنے کی ضرورت ہے:
   کسٹمر : ہیلو،
   ایجنٹ : گُر مورنِگ انڈیا ٹریول ایجینسی سے ہے۔ لگانا بات کر رہا ہوں کس طرح سے میں تمہاری مدد کر سکتا ہوں۔
   کسٹمر : میں بہت دن ان سے حیدرآباد ٹریول کے بارے میں سوچ رہا تھا۔ آپ مجھے کچھ اچھے لوگوں کے بارے میں بتا سکتے ہیں؟
   ایجنٹ :ہاں بعد میں۔ हैदराबाद में बहुत सारे प्लेस है। ان سے چار مہینہ گولکنڈہ فور سالار جنگ میوجیم اور برلا پلینیٹوریم مشہور ہے۔
   کسٹمر : ہاں بڑھیا تھانک یو میں اگلے سیٹرے اور ساندے کو ٹرائینگا۔
   ایجنٹ : एक सजेशन वीकेंड में ट्रैफिक अधिक रहने के चांसेज है।
   کسٹمر : سیریئسلی اینی ٹپس چیک شیر
   ایجنٹ : آپ ٹیکسی یوس کر لو ڈریب اور آپ کا پربلم نہیں ہوگا۔
   کسٹمر : گریریٹ آئیڈیا thainque so mach. نمایاں کردہ الفاظ وہ ہیں جو ڈیفالٹ ایمیزون ٹرانسکرائب ماڈل نے صحیح طریقے سے پیش نہیں کیا۔
4. نام کی ایک اور ٹیکسٹ فائل بنائیں reference.txt, نمایاں الفاظ کو مطلوبہ الفاظ سے تبدیل کرنا جس کی آپ کو نقل میں دیکھنے کی توقع ہے:
   کسٹمر : ہیلو،
   ایجنٹ : گڈ مورنگ سوتھ انڈیا ٹریول ایجینسی سے میں ۔ لگانا بات کر رہا ہوں کس طرح سے میں تمہاری مدد کر سکتا ہوں۔
   کسٹمر : میں بہت دن سے حیدرآباد ٹریول کے بارے میں سوچ رہا تھا۔ آپ مجھے کچھ اچھے لوگوں کے بارے میں بتا سکتے ہیں؟
   ایجنٹ : ہاں بالکل हैदराबाद में बहुत सारे प्लेस है। ان سے چار منار گولکوڈا فورٹ سالار جنگ میوجیم اور برلا پلینیٹوریم مشہور ہے۔
   کسٹمر : ہاں بڑھیا تھانک یو میں اگلے سیٹرے اور ساندے کو ٹرائینگا۔
   ایجنٹ : एक सजेशन वीकेंड में ट्रैफिक अधिक रहने के चांसेज है।
   کسٹمر : سیریئسلی اینی ٹپس یو کےن شیر
   ایجنٹ : آپ ٹیکسی یوس کر لو ڈرائیو اور آپ کا پربلم نہیں ہوگا۔
   کسٹمر : گریٹ آئیڈیا تھینکی سو مچ۔
5. حوالہ اور مفروضہ ٹیکسٹ فائلوں کا موازنہ کرنے کے لیے درج ذیل کمانڈ کا استعمال کریں جو آپ نے بنائی ہیں:

   wer -i reference.txt hypothesis.txt

   آپ کو درج ذیل آؤٹ پٹ ملتا ہے:

   REF: customer : हेलो,
   
   HYP: customer : हेलो,
   
   SENTENCE 1
   
   Correct = 100.0% 3 ( 3)
   
   Errors = 0.0% 0 ( 3)
   
   REF: agent : गुड मोर्निग सौथ इंडिया ट्रेवल एजेंसी से मैं । लावन्या बात कर रही हूँ किस तरह से मैं आपकी सहायता कर सकती हूँ।
   
   HYP: agent : गुड मोर्निग *** इंडिया ट्रेवल एजेंसी ** सेम है। लावन्या बात कर रही हूँ किस तरह से मैं आपकी सहायता कर सकती हूँ।
   
   SENTENCE 2
   
   Correct = 84.0% 21 ( 25)
   
   Errors = 16.0% 4 ( 25)
   
   REF: customer : मैं बहुत ***** दिनोंसे हैदराबाद ट्रेवल के बारे में सोच रहा था। क्या आप मुझे कुछ अच्छे लोकेशन के बारे में बता सकती हैं?
   
   HYP: customer : मैं बहुत दिनों उनसे हैदराबाद ट्रेवल के बारे में सोच रहा था। क्या आप मुझे कुछ अच्छे लोकेशन के बारे में बता सकती हैं?
   
   SENTENCE 3
   
   Correct = 96.0% 24 ( 25)
   
   Errors = 8.0% 2 ( 25)
   
   REF: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार मिनार गोलकोंडा फोर्ट सालार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।
   
   HYP: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार महीना गोलकुंडा फोर सलार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।
   
   SENTENCE 4
   
   Correct = 83.3% 20 ( 24)
   
   Errors = 16.7% 4 ( 24)
   
   REF: customer : हाँ बढिया थैंक यू मैं अगले सैटरडे और संडे को ट्राई करूँगा।
   
   HYP: customer : हाँ बढिया थैंक यू मैं अगले सैटरडे और संडे को ट्राई करूँगा।
   
   SENTENCE 5
   
   Correct = 100.0% 14 ( 14)
   
   Errors = 0.0% 0 ( 14)
   
   REF: agent : एक सजेशन वीकेंड में ट्रैफिक ज्यादा रहने के चांसेज है।
   
   HYP: agent : एक सजेशन वीकेंड में ट्रैफिक ज्यादा रहने के चांसेज है।
   
   SENTENCE 6
   
   Correct = 100.0% 12 ( 12)
   
   Errors = 0.0% 0 ( 12)
   
   REF: customer : सिरियसली एनी टिप्स यू केन शेर
   
   HYP: customer : सिरियसली एनी टिप्स ** चिकन शेर
   
   SENTENCE 7
   
   Correct = 75.0% 6 ( 8)
   
   Errors = 25.0% 2 ( 8)
   
   REF: agent : आप टेक्सी यूस कर लो ड्रैव और पार्किंग का प्राब्लम नहीं होगा।
   
   HYP: agent : आप टेक्सी यूस कर लो ड्रैब और पार्किंग का प्राब्लम नहीं होगा।
   
   SENTENCE 8
   
   Correct = 92.9% 13 ( 14)
   
   Errors = 7.1% 1 ( 14)
   
   REF: customer : ग्रेट आइडिया थैंक्यू सो मच।
   
   HYP: customer : ग्रेट आइडिया थैंक्यू सो मच।
   
   SENTENCE 9
   
   Correct = 100.0% 7 ( 7)
   
   Errors = 0.0% 0 ( 7)
   
   Sentence count: 9
   
   WER: 9.848% ( 13 / 132)
   
   WRR: 90.909% ( 120 / 132)
   
   SER: 55.556% ( 5 / 9)

wer کمانڈ فائلوں سے متن کا موازنہ کرتا ہے۔ reference.txt اور hypothesis.txt. یہ ہر جملے کے لیے غلطیوں کی اطلاع دیتا ہے اور غلطیوں کی کل تعداد بھی (WER: 9.848% ( 13/132)) پوری نقل میں۔

پچھلے آؤٹ پٹ سے، ہم نے نقل میں 13 الفاظ میں سے 132 غلطیوں کی اطلاع دی۔ یہ غلطیاں تین قسم کی ہو سکتی ہیں:

• متبادل کی غلطیاں - یہ اس وقت ہوتا ہے جب ایمیزون ٹرانسکرائب ایک لفظ کی جگہ دوسرے لفظ لکھتا ہے۔ مثال کے طور پر، ہماری نقل میں، لفظ "مہینہ (مہینہ)" کے بجائے" لکھا گیامنار (مینار)" جملہ 4 میں۔
• حذف کرنے کی غلطیاں - یہ اس وقت ہوتا ہے جب ایمیزون ٹرانسکرپٹ ٹرانسکرپٹ میں ایک لفظ مکمل طور پر چھوٹ جاتا ہے۔ ہماری ٹرانسکرپٹ میں، لفظ "سوتھ (جنوبی)" جملے 2 میں چھوٹ گیا تھا۔
• داخل کرنے کی غلطیاں - یہ اس وقت ہوتا ہے جب Amazon Transscribe کوئی ایسا لفظ داخل کرتا ہے جو بولا نہیں گیا تھا۔ ہمیں اپنے ٹرانسکرپٹ میں اندراج کی کوئی خامی نظر نہیں آتی۔

پہلے سے طے شدہ ماڈل کے ذریعہ تخلیق کردہ نقل سے مشاہدات

ہم نقل کی بنیاد پر درج ذیل مشاہدات کر سکتے ہیں:

• کل WER 9.848% ہے، یعنی 90.152% الفاظ درست طریقے سے نقل کیے گئے ہیں۔
• پہلے سے طے شدہ ہندی ماڈل نے زیادہ تر انگریزی الفاظ کو درست طریقے سے نقل کیا۔ اس کی وجہ یہ ہے کہ پہلے سے طے شدہ ماڈل کو سب سے عام انگریزی الفاظ کو باکس سے باہر پہچاننے کی تربیت دی جاتی ہے۔ ماڈل کو ہنگلش زبان کو پہچاننے کی بھی تربیت دی گئی ہے، جہاں ہندی گفتگو میں انگریزی الفاظ بے ترتیب طور پر ظاہر ہوتے ہیں۔ مثال کے طور پر:
  • گڈ مارننگ - گڈ مارننگ (جملہ 2)۔
  • ٹریول ایجنسی - ٹریول ایجنسی (سزا 2)۔
  • گریریٹ آئیڈیا thainque सो मच – بہت اچھا خیال آپ کا بہت شکریہ (جملہ 9)۔
• جملہ 4 میں سب سے زیادہ غلطیاں ہیں، جو ہندوستانی شہر حیدرآباد میں جگہوں کے نام ہیں:
  • ہاں بعد میں۔ हैदराबाद में बहुत सारे प्लेस है। ان سے چار महिना गोलकुंडा फोर सालर جنگ میوجیم اور برلا پلینیٹوریم مشہور ہے۔

اگلے مرحلے میں، ہم یہ ظاہر کرتے ہیں کہ ایمیزون ٹرانسکرائب میں حسب ضرورت الفاظ کا استعمال کرتے ہوئے پچھلے جملے میں نمایاں الفاظ کو کیسے درست کیا جائے:

• چار مہینہ (چار ماہینہ) چار ہونا چاہیے۔ منار (چار منار)
• گولکنڈاکواور (گولcuاین ڈی اے ایف اوurگول ہونا چاہیے۔کونڈاکوآرٹ (گولcoاین ڈی اے ایف اوrt)
• सلاڑ جنگ (Salar Jung) ہونا چاہیے۔ سا…لاڑ جنگ (سالار جنگ)

اپنی مرضی کے مطابق الفاظ کے ساتھ پہلے سے طے شدہ ماڈل کو تربیت دیں۔

کرنے کے لئے اپنی مرضی کے مطابق الفاظ بنائیں، آپ کو ڈیفالٹ Amazon ٹرانسکرائب ماڈل کو تربیت دینے کے لیے الفاظ اور فقروں کے ساتھ ٹیبلر فارمیٹ میں ٹیکسٹ فائل بنانے کی ضرورت ہے۔ آپ کی میز میں چاروں کالم شامل ہونے چاہئیں (Phrase, SoundsLike, IPA، اور DisplayAs)، لیکن Phrase کالم واحد ہے جس میں ہر قطار میں ایک اندراج ہونا ضروری ہے۔ آپ دوسرے کالموں کو خالی چھوڑ سکتے ہیں۔ ہر کالم کو ایک ٹیب کیریکٹر سے الگ کیا جانا چاہیے، چاہے کچھ کالم خالی رہ جائیں۔ مثال کے طور پر، اگر آپ چھوڑ دیتے ہیں۔ IPA اور SoundsLike ایک قطار کے لیے خالی کالم، Phrase اور DisplaysAs اس قطار کے کالموں کو تین ٹیب حروف کے ساتھ الگ کیا جانا چاہیے (کے درمیان Phrase اور IPA, IPA اور SoundsLike، اور SoundsLike اور DisplaysAs).

ماڈل کو حسب ضرورت الفاظ کے ساتھ تربیت دینے کے لیے، درج ذیل مراحل کو مکمل کریں:

1. نامی ایک فائل بنائیں HindiCustomVocabulary.txt مندرجہ ذیل مواد کے ساتھ۔

   جملہ IPA ساؤنڈز لائک ڈسپلےآس گولکندا-فور گولکونڈا فورٹ سالار-جنگ سا-لار-جنگ سالار جنگ چار-مہینا چار مینار

   آپ صرف وہ حروف استعمال کر سکتے ہیں جو آپ کی زبان کے لیے معاون ہیں۔ اپنی زبان کا حوالہ دیں۔ کریکٹر سیٹ تفصیلات کے لئے.

   کالم مندرجہ ذیل معلومات پر مشتمل ہیں:

   1. Phrase - ان الفاظ یا فقروں پر مشتمل ہے جنہیں آپ درست طریقے سے نقل کرنا چاہتے ہیں۔ ڈیفالٹ Amazon ٹرانسکرائب ماڈل کے ذریعے تخلیق کردہ ٹرانسکرپٹ میں نمایاں کردہ الفاظ یا جملے اس کالم میں ظاہر ہوتے ہیں۔ یہ الفاظ عام طور پر مخففات، مناسب اسم، یا ڈومین کے لیے مخصوص الفاظ اور جملے ہوتے ہیں جن کے بارے میں ڈیفالٹ ماڈل کو معلوم نہیں ہوتا۔ یہ حسب ضرورت الفاظ کے جدول میں ہر قطار کے لیے ایک لازمی فیلڈ ہے۔ ہمارے ٹرانسکرپٹ میں، جملہ 4 سے "گولکونڈا فور (گول کنڈا فور)" کو درست کرنے کے لیے، اس کالم میں "گولکونڈا-فور (گول کنڈا-فور)" استعمال کریں۔ اگر آپ کے اندراج میں متعدد الفاظ ہیں تو ہر لفظ کو ہائفن (-) سے الگ کریں۔ خالی جگہوں کا استعمال نہ کریں.
   2. IPA - تحریری شکل میں تقریر کی آوازوں کی نمائندگی کرنے والے الفاظ یا جملے پر مشتمل ہے۔ کالم اختیاری ہے؛ آپ اس کی قطاریں خالی چھوڑ سکتے ہیں۔ یہ کالم بین الاقوامی صوتیاتی حروف تہجی (IPA) میں صرف حروف کا استعمال کرتے ہوئے صوتیاتی املا کے لیے ہے۔ ہندی زبان کے لیے اجازت یافتہ IPA حروف کے لیے ہندی کریکٹر سیٹ کا حوالہ دیں۔ ہماری مثال میں، ہم IPA استعمال نہیں کر رہے ہیں۔ اگر آپ کے پاس اس کالم میں کوئی اندراج ہے، تو آپ کا SoundsLike کالم خالی ہونا چاہیے۔
   3. SoundsLike - چھوٹے ٹکڑوں میں بٹے ہوئے الفاظ یا جملے (عام طور پر نحو یا عام الفاظ پر مبنی) پر مشتمل ہوتا ہے تاکہ ہر ٹکڑے کو اس بات کی بنیاد پر ایک تلفظ فراہم کیا جا سکے کہ وہ ٹکڑا کیسا لگتا ہے۔ یہ کالم اختیاری ہے۔ آپ قطاروں کو خالی چھوڑ سکتے ہیں۔ اس کالم میں صرف اس صورت میں مواد شامل کریں جب آپ کے اندراج میں کوئی غیر معیاری لفظ شامل ہو، جیسے برانڈ کا نام، یا کسی ایسے لفظ کو درست کرنے کے لیے جو غلط نقل کیا جا رہا ہو۔ ہمارے ٹرانسکرپٹ میں، جملہ 4 سے "سالار جنگ (سالار جنگ)" کو درست کرنے کے لیے، اس کالم میں "سا-لار-جنگ (سا-لار-جنگ) استعمال کریں۔ اس کالم میں خالی جگہیں استعمال نہ کریں۔ اگر آپ کے پاس اس کالم میں کوئی اندراج ہے، تو آپ کا IPA کالم خالی ہونا چاہیے۔
   4. DisplaysAs - ہجے والے الفاظ یا فقرے پر مشتمل ہے جن کو آپ ٹرانسکرپشن آؤٹ پٹ میں دیکھنا چاہتے ہیں Phrase میدان یہ کالم اختیاری ہے۔ آپ قطاروں کو خالی چھوڑ سکتے ہیں۔ اگر آپ اس فیلڈ کی وضاحت نہیں کرتے ہیں تو، ایمیزون ٹرانسکرائب کے مواد کو استعمال کرتا ہے۔ Phrase آؤٹ پٹ فائل میں فیلڈ۔ مثال کے طور پر، ہمارے ٹرانسکرپٹ میں، جملہ 4 سے "گولکونڈا فور (گول کنڈا فور)" کو درست کرنے کے لیے، اس کالم میں "گولکونڈا فورٹ (گول کنڈا فور)" استعمال کریں۔
2. اپ لوڈ کریں ٹیکسٹ فائل (HindiCustomVocabulary.txtS3 بالٹی میں۔
3. ایمیزون ٹرانسکرائب کنسول پر، منتخب کریں۔ حسب ضرورت الفاظ نیوی گیشن پین میں.
4. کے لئے نام، ایک نام درج کریں۔
5. کے لئے زبانمنتخب کریں ہندی، IN (hi-IN).
6. کے لئے الفاظ کا ان پٹ ذریعہمنتخب S3 مقام.
7. کے لئے S3 پر الفاظ کی فائل کا مقام، کا S3 راستہ داخل کریں۔ HindiCustomVocabulary.txt فائل.
8. میں سے انتخاب کریں ذخیرہ الفاظ بنائیں.
9. نقل کریں۔ SampleAudio.wav درج ذیل پیرامیٹرز کے ساتھ حسب ضرورت الفاظ کے ساتھ فائل کریں:
   1. کے لئے نوکری کا نام ، داخل کریں SampleAudioCustomVocabulary.
   2. کے لئے زبانمنتخب کریں ہندی، IN (hi-IN).
   3. کے لئے S3 پر فائل کا مقام داخل کریں۔کے مقام پر براؤز کریں۔ SampleAudio.wav.
   4. کے لئے IAM کا کردارمنتخب موجودہ IAM کردار استعمال کریں۔ اور اس کردار کا انتخاب کریں جو آپ نے پہلے بنایا تھا۔
   5. میں کام کو ترتیب دیں۔ سیکشن، منتخب کریں حسب ضرورت الفاظ اور حسب ضرورت الفاظ کا انتخاب کریں۔ HindiCustomVocabulary.
10. میں سے انتخاب کریں نوکری پیدا کریں۔.

حسب ضرورت الفاظ استعمال کرنے کے بعد ماڈل کی درستگی کی پیمائش کریں۔

ایمیزون ٹرانسکرائب جاب کی تفصیلات والے صفحے سے ٹرانسکرپٹ کو ایک ٹیکسٹ فائل میں کاپی کریں۔ hypothesis-custom-vocabulary.txt:

کسٹمر : ہیلو،

ایجنٹ : گُر مورنگ انڈیا ٹریول ایزی سیم ہے۔ لگانا بات کر رہا ہوں کس طرح سے میں تمہاری مدد کر سکتا ہوں۔

کسٹمر : میں بہت دنوں سے ان سے حیدرآباد ٹریول کے بارے میں سوچ رہا تھا۔ آپ مجھے کچھ اچھے لوگوں کے بارے میں بتا سکتے ہیں؟

ایجنٹ : ہاں بالکل हैदराबाद में बहुत सारे प्लेस है। ان سے چار مینار گولکوڈا فورٹ سالار جنگ میوجیم اور برلا پلینیٹوریم مشہور ہے۔

کسٹمر : ہاں بڑھیا تھانک یو میں اگلے سیٹرے اور ساندے کو ٹرائینگا۔

ایجنٹ : एक सजेशन वीकेंड में ट्रैफिक अधिक रहने के चांसेज है।

کسٹمر : اینی ٹپس سر چیک شیر

ایجنٹ : آپ ٹیکسی یوس کر لو ڈرائیو اور کا پربلم نہیں ہوگا۔

کسٹمر : گریٹ آئیڈیا تھینکی سو مچ۔

نوٹ کریں کہ نمایاں الفاظ حسب خواہش نقل کیے گئے ہیں۔

چلائیں wer نئے ٹرانسکرپٹ کے ساتھ دوبارہ کمانڈ کریں:

wer -i reference.txt hypothesis-custom-vocabulary.txt

آپ کو درج ذیل آؤٹ پٹ ملتا ہے:

REF: customer : हेलो,

HYP: customer : हेलो,

SENTENCE 1

Correct = 100.0% 3 ( 3)

Errors = 0.0% 0 ( 3)

REF: agent : गुड मोर्निग सौथ इंडिया ट्रेवल एजेंसी से मैं । लावन्या बात कर रही हूँ किस तरह से मैं आपकी सहायता कर सकती हूँ।

HYP: agent : गुड मोर्निग *** इंडिया ट्रेवल एजेंसी ** सेम है। लावन्या बात कर रही हूँ किस तरह से मैं आपकी सहायता कर सकती हूँ।

SENTENCE 2

Correct = 84.0% 21 ( 25)

Errors = 16.0% 4 ( 25)

REF: customer : मैं बहुत ***** दिनोंसे हैदराबाद ट्रेवल के बारे में सोच रहा था। क्या आप मुझे कुछ अच्छे लोकेशन के बारे में बता सकती हैं?

HYP: customer : मैं बहुत दिनों उनसे हैदराबाद ट्रेवल के बारे में सोच रहा था। क्या आप मुझे कुछ अच्छे लोकेशन के बारे में बता सकती हैं?

SENTENCE 3

Correct = 96.0% 24 ( 25)

Errors = 8.0% 2 ( 25)

REF: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार मिनार गोलकोंडा फोर्ट सालार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।

HYP: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार मिनार गोलकोंडा फोर्ट सालार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।

SENTENCE 4

Correct = 100.0% 24 ( 24)

Errors = 0.0% 0 ( 24)

REF: customer : हाँ बढिया थैंक यू मैं अगले सैटरडे और संडे को ट्राई करूँगा।

HYP: customer : हाँ बढिया थैंक यू मैं अगले सैटरडे और संडे को ट्राई करूँगा।

SENTENCE 5

Correct = 100.0% 14 ( 14)

Errors = 0.0% 0 ( 14)

REF: agent : एक सजेशन वीकेंड में ट्रैफिक ज्यादा रहने के चांसेज है।

HYP: agent : एक सजेशन वीकेंड में ट्रैफिक ज्यादा रहने के चांसेज है।

SENTENCE 6

Correct = 100.0% 12 ( 12)

Errors = 0.0% 0 ( 12)

REF: customer : सिरियसली एनी टिप्स यू केन शेर

HYP: customer : सिरियसली एनी टिप्स ** चिकन शेर

SENTENCE 7

Correct = 75.0% 6 ( 8)

Errors = 25.0% 2 ( 8)

REF: agent : आप टेक्सी यूस कर लो ड्रैव और पार्किंग का प्राब्लम नहीं होगा।

HYP: agent : आप टेक्सी यूस कर लो ड्रैव और पार्किंग का प्राब्लम नहीं होगा।

SENTENCE 8

Correct = 100.0% 14 ( 14)

Errors = 0.0% 0 ( 14)

REF: customer : ग्रेट आइडिया थैंक्यू सो मच।

HYP: customer : ग्रेट आइडिया थैंक्यू सो मच।

SENTENCE 9

Correct = 100.0% 7 ( 7)

Errors = 0.0% 0 ( 7)

Sentence count: 9

WER: 6.061% ( 8 / 132)

WRR: 94.697% ( 125 / 132)

SER: 33.333% ( 3 / 9)

اپنی مرضی کے مطابق الفاظ کے ساتھ تخلیق کردہ نقل سے مشاہدات

کل WER 6.061% ہے، یعنی 93.939% الفاظ درست طریقے سے نقل کیے گئے ہیں۔

آئیے اپنی مرضی کے مطابق الفاظ کے ساتھ اور بغیر جملہ 4 کے wer آؤٹ پٹ کا موازنہ کریں۔ حسب ضرورت الفاظ کے بغیر درج ذیل ہے:

REF: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार मिनार गोलकोंडा फोर्ट सालार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।

HYP: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार महीना गोलकुंडा फोर सलार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।

SENTENCE 4

Correct = 83.3% 20 ( 24)

Errors = 16.7% 4 ( 24)

حسب ضرورت الفاظ کے ساتھ درج ذیل ہے:

REF: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार मिनार गोलकोंडा फोर्ट सालार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।

HYP: agent : हाँ बिल्कुल। हैदराबाद में बहुत सारे प्लेस है। उनमें से चार मिनार गोलकोंडा फोर्ट सालार जंग म्यूजियम और बिरला प्लेनेटोरियम मशहूर है।

SENTENCE 4

Correct = 100.0% 24 ( 24)

Errors = 0.0% 0 ( 24)

جملہ 4 میں کوئی غلطیاں نہیں ہیں۔ جگہوں کے نام حسب ضرورت الفاظ کی مدد سے درست طریقے سے نقل کیے گئے ہیں، اس طرح اس آڈیو فائل کے لیے مجموعی WER کو 9.848% سے کم کر کے 6.061% کر دیا گیا ہے۔ اس کا مطلب ہے کہ نقل کی درستگی میں تقریباً 4% بہتری آئی ہے۔

کس طرح حسب ضرورت الفاظ نے درستگی کو بہتر بنایا

ہم نے درج ذیل حسب ضرورت الفاظ استعمال کیے:

Phrase IPA SoundsLike DisplayAs

गोलकुंडा-फोर गोलकोंडा फोर्ट

सालार-जंग सा-लार-जंग सालार जंग

चार-महीना चार मिनार

ایمیزون ٹرانسکرائب چیک کرتا ہے کہ آیا آڈیو فائل میں ایسے الفاظ ہیں جو کہ میں مذکور الفاظ کی طرح لگتے ہیں۔ Phrase کالم پھر ماڈل اندراجات کا استعمال کرتا ہے۔ IPA, SoundsLike، اور DisplaysAs مطلوبہ ہجے کے ساتھ نقل کرنے کے لیے ان مخصوص الفاظ کے کالم۔

اس حسب ضرورت الفاظ کے ساتھ، جب ایمیزون ٹرانسکرائب کسی ایسے لفظ کی شناخت کرتا ہے جو "گولکونڈا-فور (گولکونڈا-فور)" جیسا لگتا ہے، تو یہ اس لفظ کو "گولکونڈا فوٹ (گولکونڈہ فورٹ)" کے طور پر نقل کرتا ہے۔

سفارشات

ٹرانسکرپشن کی درستگی کا انحصار اسپیکرز کے تلفظ، اوور لیپنگ اسپیکرز، بات کرنے کی رفتار اور پس منظر کے شور جیسے پیرامیٹرز پر بھی ہوتا ہے۔ لہٰذا، ہم تجویز کرتے ہیں کہ آپ مختلف کالوں (مختلف گاہکوں، ایجنٹوں، رکاوٹوں، وغیرہ کے ساتھ) کے ساتھ اس عمل کی پیروی کریں جو آپ کے لیے ایک جامع حسب ضرورت ذخیرہ الفاظ بنانے کے لیے سب سے زیادہ استعمال ہونے والے ڈومین کے لیے مخصوص الفاظ کا احاطہ کرتی ہے۔

اس پوسٹ میں، ہم نے حسب ضرورت الفاظ کا استعمال کرتے ہوئے ایک آڈیو کال کو نقل کرنے کی درستگی کو بہتر بنانے کا طریقہ سیکھا۔ ہر روز آپ کے رابطہ مرکز کی ہزاروں کال ریکارڈنگ پر کارروائی کرنے کے لیے، آپ استعمال کر سکتے ہیں۔ پوسٹ کال کے تجزیات, ایک مکمل طور پر خودکار، توسیع پذیر، اور لاگت سے موثر اینڈ ٹو اینڈ حل جو زیادہ تر بھاری لفٹنگ کا خیال رکھتا ہے۔ آپ آسانی سے اپنی آڈیو فائلوں کو ایک S3 بالٹی میں اپ لوڈ کرتے ہیں، اور چند منٹوں میں، حل ویب UI میں جذبات کی طرح کال کے تجزیات فراہم کرتا ہے۔ پوسٹ کال اینالیٹکس ابھرتے ہوئے رجحانات کی نشاندہی کرنے، ایجنٹ کی کوچنگ کے مواقع کی نشاندہی کرنے اور کالز کے عمومی جذبات کا اندازہ لگانے کے لیے قابل عمل بصیرت فراہم کرتی ہے۔ اوپن سورس حل جسے آپ استعمال کر کے تعینات کر سکتے ہیں۔ AWS کلاؤڈ فارمیشن.

نوٹ کریں کہ حسب ضرورت الفاظ اس سیاق و سباق کا استعمال نہیں کرتے ہیں جس میں الفاظ بولے گئے تھے، وہ صرف آپ کے فراہم کردہ انفرادی الفاظ پر فوکس کرتے ہیں۔ درستگی کو مزید بہتر بنانے کے لیے، آپ استعمال کر سکتے ہیں۔ اپنی مرضی کے مطابق زبان کے ماڈل. حسب ضرورت الفاظ کے برعکس، جو ہجے کے ساتھ تلفظ کو جوڑتے ہیں، اپنی مرضی کے مطابق زبان کے ماڈلز ایک دیئے گئے لفظ سے وابستہ سیاق و سباق کو سیکھتے ہیں۔ اس میں یہ شامل ہے کہ ایک لفظ کیسے اور کب استعمال ہوتا ہے، اور ایک لفظ کا دوسرے الفاظ کے ساتھ کیا تعلق ہے۔ اپنی مرضی کے مطابق زبان کا ماڈل بنانے کے لیے، آپ مختلف کالوں کے لیے ہمارے سیکھے ہوئے عمل سے اخذ کردہ ٹرانسکرپشنز استعمال کر سکتے ہیں، اور انہیں اپنی ویب سائٹس یا صارف کے دستورالعمل کے مواد کے ساتھ جوڑ سکتے ہیں جس میں ڈومین کے لیے مخصوص الفاظ اور فقرے شامل ہیں۔

بیچ ٹرانسکرپشن کے ساتھ نقل کی اعلی ترین درستگی حاصل کرنے کے لیے، آپ اپنی مرضی کے مطابق زبان کے ماڈلز کے ساتھ مل کر حسب ضرورت الفاظ استعمال کر سکتے ہیں۔

نتیجہ

اس پوسٹ میں، ہم نے ایمیزون ٹرانسکرائب میں کال اینالیٹکس اور حسب ضرورت الفاظ کا استعمال کرتے ہوئے انگریزی الفاظ پر مشتمل ہندی آڈیو فائلوں کو درست طریقے سے پروسیس کرنے کے لیے تفصیلی اقدامات فراہم کیے ہیں۔ آپ انہی اقدامات کو کسی کے ساتھ آڈیو کال پر کارروائی کرنے کے لیے استعمال کر سکتے ہیں۔ زبان کی حمایت کی ایمیزون ٹرانسکرائب کے ذریعہ۔

اپنی مطلوبہ درستگی کے ساتھ نقلیں حاصل کرنے کے بعد، آپ اپنے ایجنٹوں کو تربیت دے کر اپنے ایجنٹ-کسٹمر بات چیت کو بہتر بنا سکتے ہیں۔ آپ اپنے گاہک کے جذبات اور رجحانات کو بھی سمجھ سکتے ہیں۔ کال اینالیٹکس میں اسپیکر ڈائرائزیشن، لاؤڈنیس ڈٹیکشن، اور ووکیبلری فلٹرنگ فیچرز کی مدد سے، آپ شناخت کر سکتے ہیں کہ آیا یہ ایجنٹ یا کسٹمر تھا جس نے اپنا لہجہ بلند کیا یا کوئی مخصوص الفاظ بولے۔ آپ ڈومین کے مخصوص الفاظ کی بنیاد پر کالز کی درجہ بندی کر سکتے ہیں، قابل عمل بصیرت حاصل کر سکتے ہیں، اور اپنی مصنوعات کو بہتر بنانے کے لیے تجزیات چلا سکتے ہیں۔ آخر میں، آپ اپنی ٹرانسکرپٹس کا انگریزی یا اپنی پسند کی دیگر معاون زبانوں میں ترجمہ کر سکتے ہیں۔ ایمیزون ترجمہ.

مصنفین کے بارے میں

سرت گٹکونڈا AWS ورلڈ وائڈ پبلک سیکٹر میں ایک سینئر حل آرکیٹیکٹ ہے۔ سیرت کو کاروباری چستی کو قربان کیے بغیر اپنے کلاؤڈ وسائل کو خود کار بنانے، ان کا نظم کرنے اور ان پر حکمرانی کرنے میں صارفین کی مدد کرنے سے لطف اندوز ہوتا ہے۔ اپنے فارغ وقت میں، وہ اپنے بیٹے کے ساتھ لیگوس بنانا اور ٹیبل ٹینس کھیلنا پسند کرتا ہے۔

لاونیا سود نئی دہلی، بھارت سے باہر AWS ورلڈ وائڈ پبلک سیکٹر میں ایک حل آرکیٹیکٹ ہے۔ Lavanya کو نئی ٹیکنالوجیز سیکھنے اور کلاؤڈ گود لینے کے سفر میں صارفین کی مدد کرنے میں لطف آتا ہے۔ اپنے فارغ وقت میں، وہ سفر کرنا اور مختلف کھانوں کو آزمانا پسند کرتی ہے۔