Các cộng đồng xã hội và trò chơi trực tuyến cung cấp chức năng trò chuyện bằng giọng nói và văn bản để người dùng giao tiếp. Mặc dù trò chuyện bằng giọng nói và văn bản thường hỗ trợ những câu nói đùa thân thiện nhưng nó cũng có thể dẫn đến các vấn đề như lời nói căm thù, bắt nạt trên mạng, quấy rối và lừa đảo. Ngày nay, nhiều công ty chỉ dựa vào người kiểm duyệt để xem xét nội dung độc hại. Tuy nhiên, việc xác minh các vi phạm trong cuộc trò chuyện tốn thời gian, dễ xảy ra lỗi và khó mở rộng quy mô.
Trong bài đăng này, chúng tôi giới thiệu các giải pháp cho phép kiểm duyệt trò chuyện bằng âm thanh và văn bản bằng nhiều dịch vụ AWS khác nhau, bao gồm Phiên âm Amazon, Amazon hiểu, nền tảng Amazonvà Dịch vụ Tìm kiếm Mở của Amazon.
Các nền tảng xã hội tìm kiếm giải pháp kiểm duyệt có sẵn, dễ bắt đầu nhưng cũng yêu cầu tùy chỉnh để quản lý các chính sách đa dạng. Độ trễ và chi phí cũng là những yếu tố quan trọng phải được tính đến. Bằng cách phối hợp phân loại độc tính với các mô hình ngôn ngữ lớn (LLM) sử dụng AI tổng hợp, chúng tôi cung cấp giải pháp cân bằng giữa tính đơn giản, độ trễ, chi phí và tính linh hoạt để đáp ứng các yêu cầu khác nhau.
Mã mẫu cho bài đăng này có sẵn trong Kho GitHub.
Quy trình kiểm duyệt trò chuyện âm thanh
Quy trình kiểm duyệt cuộc trò chuyện bằng âm thanh có thể được bắt đầu khi người dùng báo cáo những người dùng khác trên nền tảng trò chơi về các hành vi vi phạm chính sách như ngôn từ tục tĩu, lời nói căm thù hoặc quấy rối. Điều này thể hiện một cách tiếp cận thụ động để kiểm duyệt âm thanh. Hệ thống ghi lại tất cả các cuộc hội thoại âm thanh mà không cần phân tích ngay lập tức. Khi nhận được báo cáo, quy trình làm việc sẽ truy xuất các tệp âm thanh liên quan và bắt đầu quá trình phân tích. Sau đó, người điều hành sẽ xem xét cuộc trò chuyện được báo cáo, điều tra nội dung của nó để xác định xem nó có vi phạm chính sách nền tảng hay không.
Ngoài ra, quy trình làm việc có thể được kích hoạt một cách chủ động. Ví dụ: trong phòng trò chuyện bằng âm thanh trên mạng xã hội, hệ thống có thể ghi lại tất cả các cuộc hội thoại và áp dụng phân tích.
Cả hai cách tiếp cận thụ động và chủ động đều có thể kích hoạt quy trình sau để phân tích âm thanh.
Quy trình kiểm duyệt âm thanh bao gồm các bước sau:
- Quy trình làm việc bắt đầu bằng việc nhận tệp âm thanh và lưu trữ nó trên một Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) để Amazon Transcribe truy cập.
- Phiên âm Amazon
StartTranscriptionJob
API được gọi với Phát hiện độc tính đã bật. Amazon Transcribe chuyển đổi âm thanh thành văn bản, cung cấp thêm thông tin về phân tích độc tính. Để biết thêm thông tin về phân tích độc tính, hãy tham khảo Gắn cờ ngôn ngữ có hại trong cuộc trò chuyện bằng giọng nói bằng Amazon Transcribe Toxicity Development. - Nếu phân tích độc tính trả về điểm độc tính vượt quá một ngưỡng nhất định (ví dụ: 50%), chúng ta có thể sử dụng Cơ sở kiến thức về Amazon Bedrock để đánh giá thông báo dựa trên các chính sách tùy chỉnh bằng cách sử dụng LLM.
- Người điều hành con người nhận được báo cáo kiểm duyệt âm thanh chi tiết nêu bật các phân đoạn hội thoại được coi là độc hại và vi phạm chính sách, cho phép họ đưa ra quyết định sáng suốt.
Ảnh chụp màn hình sau đây hiển thị một ứng dụng mẫu hiển thị phân tích độc tính cho một đoạn âm thanh. Nó bao gồm bản phiên âm gốc, kết quả từ phân tích độc tính của Amazon Transcribe và phân tích được thực hiện bằng cách sử dụng cơ sở kiến thức Amazon Bedrock thông qua mô hình Amazon Bedrock Anthropic Claude V2.
Phân tích LLM cung cấp kết quả vi phạm (Y hoặc N) và giải thích lý do căn bản đằng sau quyết định của mô hình liên quan đến vi phạm chính sách. Hơn nữa, cơ sở kiến thức bao gồm các tài liệu chính sách được tham chiếu được sử dụng trong quá trình đánh giá, cung cấp cho người kiểm duyệt bối cảnh bổ sung.
Phát hiện độc tính của Amazon Transcribe
Amazon Transcribe là dịch vụ nhận dạng giọng nói tự động (ASR) giúp các nhà phát triển dễ dàng thêm khả năng chuyển giọng nói thành văn bản vào ứng dụng của họ. Quy trình kiểm duyệt âm thanh sử dụng Amazon Transcribe Toxicity Development, một chức năng được hỗ trợ bởi máy học (ML), sử dụng tín hiệu dựa trên âm thanh và văn bản để xác định và phân loại nội dung độc hại dựa trên giọng nói trong bảy danh mục, bao gồm quấy rối tình dục, ngôn từ kích động thù địch, đe dọa , lạm dụng, thô tục, lăng mạ và ngôn ngữ đồ họa. Ngoài việc phân tích văn bản, Phát hiện độc tính còn sử dụng các tín hiệu giọng nói như âm sắc và cao độ để xác định ý định độc hại trong lời nói.
Quy trình kiểm duyệt âm thanh chỉ kích hoạt đánh giá chính sách của LLM khi phân tích độc tính vượt quá ngưỡng đã đặt. Cách tiếp cận này giúp giảm độ trễ và tối ưu hóa chi phí bằng cách áp dụng LLM có chọn lọc, lọc ra một phần lưu lượng truy cập đáng kể.
Sử dụng kỹ thuật nhắc nhở LLM để đáp ứng các chính sách tùy chỉnh
Các mô hình Phát hiện độc tính được đào tạo trước từ Amazon Transcribe và Amazon Comprehend cung cấp phân loại độc tính rộng, thường được các nền tảng xã hội sử dụng để kiểm duyệt nội dung do người dùng tạo ở định dạng âm thanh và văn bản. Mặc dù các mô hình được đào tạo trước này phát hiện các vấn đề có độ trễ thấp một cách hiệu quả, nhưng bạn có thể cần một giải pháp để phát hiện các hành vi vi phạm đối với chính sách miền cụ thể của công ty hoặc doanh nghiệp của mình, điều mà chỉ các mô hình được đào tạo trước không thể đạt được.
Ngoài ra, việc phát hiện các vi phạm trong các cuộc hội thoại theo ngữ cảnh, chẳng hạn như xác định chải chuốt tình dục trẻ em cuộc hội thoại, yêu cầu một giải pháp có thể tùy chỉnh bao gồm việc xem xét các tin nhắn trò chuyện và bối cảnh bên ngoài nó, chẳng hạn như độ tuổi, giới tính và lịch sử trò chuyện của người dùng. Đây là nơi LLM có thể cung cấp sự linh hoạt cần thiết để mở rộng các yêu cầu này.
Amazon Bedrock là dịch vụ được quản lý toàn phần cung cấp nhiều lựa chọn về mô hình nền tảng (FM) hiệu suất cao từ các công ty AI hàng đầu. Các giải pháp này sử dụng Anthropic Claude v2 từ Amazon Bedrock để kiểm duyệt bản ghi âm và tin nhắn trò chuyện bằng văn bản bằng mẫu lời nhắc linh hoạt, như được nêu trong mã sau:
Mẫu chứa phần giữ chỗ cho mô tả chính sách, tin nhắn trò chuyện và các quy tắc bổ sung yêu cầu kiểm duyệt. Mô hình Anthropic Claude V2 đưa ra phản hồi ở định dạng được hướng dẫn (Y hoặc N), cùng với bản phân tích giải thích lý do mô hình cho rằng thông báo đó vi phạm chính sách. Cách tiếp cận này cho phép bạn xác định các danh mục kiểm duyệt linh hoạt và trình bày rõ ràng các chính sách của mình bằng ngôn ngữ của con người.
Phương pháp đào tạo mô hình phân loại nội bộ truyền thống bao gồm các quy trình rườm rà như chú thích dữ liệu, đào tạo, thử nghiệm và triển khai mô hình, đòi hỏi chuyên môn của các nhà khoa học dữ liệu và kỹ sư ML. Ngược lại, LLM mang lại mức độ linh hoạt cao. Người dùng doanh nghiệp có thể sửa đổi lời nhắc bằng ngôn ngữ con người, giúp nâng cao hiệu quả và giảm chu kỳ lặp lại trong quá trình đào tạo mô hình ML.
Cơ sở kiến thức về Amazon Bedrock
Mặc dù kỹ thuật nhắc nhở có hiệu quả trong việc tùy chỉnh chính sách, nhưng việc đưa trực tiếp các chính sách và quy tắc dài dòng vào lời nhắc LLM cho mỗi thông báo có thể gây ra độ trễ và tăng chi phí. Để giải quyết vấn đề này, chúng tôi sử dụng cơ sở kiến thức của Amazon Bedrock làm hệ thống Tạo tăng cường truy xuất (RAG) được quản lý. Điều này cho phép bạn quản lý tài liệu chính sách một cách linh hoạt, cho phép quy trình làm việc chỉ truy xuất các phân đoạn chính sách có liên quan cho mỗi thông báo đầu vào. Điều này giảm thiểu số lượng mã thông báo được gửi đến LLM để phân tích.
Bạn có thể sử dụng Bảng điều khiển quản lý AWS để tải tài liệu chính sách lên bộ chứa S3 rồi lập chỉ mục tài liệu vào cơ sở dữ liệu vectơ để truy xuất hiệu quả. Sau đây là quy trình làm việc mang tính khái niệm được cơ sở kiến thức Amazon Bedrock quản lý để truy xuất tài liệu từ Amazon S3, chia văn bản thành các đoạn và gọi phương thức Mô hình nhúng văn bản Amazon Bedrock Titan để chuyển đổi các đoạn văn bản thành vectơ, sau đó được lưu trữ trong cơ sở dữ liệu vectơ.
Trong giải pháp này, chúng tôi sử dụng Dịch vụ Tìm kiếm Mở của Amazon như kho lưu trữ vector. Tìm kiếm mở là bộ phần mềm nguồn mở có khả năng mở rộng, linh hoạt và có khả năng mở rộng dành cho các ứng dụng tìm kiếm, phân tích, giám sát bảo mật và khả năng quan sát, được cấp phép theo giấy phép Apache 2.0. Dịch vụ OpenSearch là một dịch vụ được quản lý hoàn toàn giúp việc triển khai, mở rộng quy mô và vận hành OpenSearch trên Đám mây AWS trở nên đơn giản.
Sau khi tài liệu được lập chỉ mục trong Dịch vụ OpenSearch, quy trình kiểm duyệt âm thanh và văn bản sẽ gửi tin nhắn trò chuyện, kích hoạt luồng truy vấn sau để đánh giá chính sách tùy chỉnh.
Quá trình này tương tự như quy trình khởi tạo. Đầu tiên, tin nhắn văn bản được chuyển đổi thành dạng nhúng văn bản bằng cách sử dụng API nhúng văn bản Amazon Bedrock Titan. Những phần nhúng này sau đó được sử dụng để thực hiện một tìm kiếm vectơ dựa trên cơ sở dữ liệu Dịch vụ OpenSearch, vốn đã được tích hợp sẵn các phần nhúng tài liệu. Cơ sở dữ liệu trả về các đoạn chính sách có điểm phù hợp cao nhất, phù hợp với tin nhắn văn bản đầu vào. Sau đó, chúng tôi soạn lời nhắc chứa cả tin nhắn trò chuyện đầu vào và phân đoạn chính sách, gửi đến Anthropic Claude V2 để đánh giá. Mô hình LLM trả về kết quả phân tích dựa trên hướng dẫn nhanh chóng.
Để biết hướng dẫn chi tiết về cách tạo phiên bản mới bằng tài liệu chính sách của bạn trong cơ sở kiến thức Amazon Bedrock, hãy tham khảo Cơ sở Kiến thức hiện cung cấp trải nghiệm RAG được quản lý hoàn toàn trên Amazon Bedrock.
Quy trình kiểm duyệt trò chuyện bằng văn bản
Quy trình kiểm duyệt trò chuyện bằng văn bản tuân theo mô hình tương tự như kiểm duyệt âm thanh nhưng sử dụng phân tích độc tính của Amazon Comprehend, được điều chỉnh để kiểm duyệt văn bản. Ứng dụng mẫu hỗ trợ giao diện tải lên các tệp văn bản số lượng lớn ở định dạng CSV hoặc TXT và cung cấp giao diện một tin nhắn để kiểm tra nhanh. Sơ đồ sau đây minh họa quy trình làm việc.
Quy trình kiểm duyệt văn bản bao gồm các bước sau:
- Người dùng tải tệp văn bản lên vùng lưu trữ S3.
- Phân tích độc tính của Amazon Comprehend được áp dụng cho tin nhắn văn bản.
- Nếu phân tích độc tính trả về điểm độc tính vượt quá một ngưỡng nhất định (ví dụ: 50%), chúng tôi sẽ sử dụng cơ sở kiến thức Amazon Bedrock để đánh giá thông báo dựa trên các chính sách tùy chỉnh bằng cách sử dụng Anthropic Claude V2 LLM.
- Một báo cáo đánh giá chính sách được gửi đến người điều hành con người.
Phân tích độc tính của Amazon Comprehen
Trong quy trình kiểm duyệt văn bản, chúng tôi sử dụng phân tích độc tính của Amazon Comprehend để đánh giá mức độ độc hại của tin nhắn văn bản. Amazon Comprehend là dịch vụ xử lý ngôn ngữ tự nhiên (NLP) sử dụng ML để khám phá những hiểu biết sâu sắc và kết nối có giá trị trong văn bản. API phát hiện độc tính của Amazon Comprehend ấn định điểm độc tính tổng thể cho nội dung văn bản, dao động từ 0–1, cho biết khả năng nội dung đó độc hại. Nó cũng phân loại văn bản thành các loại sau và cung cấp điểm tin cậy cho từng loại: hate_speech
, đồ họa, harrassement_or_abuse
, tình dục, violence_or_threat
, xúc phạm và thô tục.
Trong quy trình kiểm duyệt văn bản này, phân tích độc tính của Amazon Comprehend đóng vai trò quan trọng trong việc xác định xem tin nhắn văn bản đến có chứa nội dung độc hại hay không. Tương tự như quy trình kiểm duyệt âm thanh, quy trình này bao gồm một điều kiện để chỉ kích hoạt đánh giá chính sách LLM xuôi dòng khi phân tích độc tính trả về điểm vượt quá ngưỡng xác định trước. Việc tối ưu hóa này giúp giảm độ trễ tổng thể và chi phí liên quan đến phân tích LLM.
Tổng kết
Trong bài đăng này, chúng tôi đã giới thiệu các giải pháp kiểm duyệt trò chuyện bằng âm thanh và văn bản bằng các dịch vụ AWS, bao gồm Amazon Transcribe, Amazon Comprehend, Amazon Bedrock và OpenSearch Service. Các giải pháp này sử dụng các mô hình được đào tạo trước để phân tích độc tính và được phối hợp với LLM AI tổng hợp để đạt được sự cân bằng tối ưu về độ chính xác, độ trễ và chi phí. Chúng cũng trao quyền cho bạn xác định linh hoạt các chính sách của riêng mình.
Bạn có thể trải nghiệm ứng dụng mẫu bằng cách làm theo hướng dẫn trong Repo GitHub.
Giới thiệu về tác giả
Trương Lana là Kiến trúc sư giải pháp cấp cao tại nhóm Dịch vụ AI của AWS WWSO, chuyên về AI và ML để kiểm duyệt nội dung, Thị giác máy tính, Xử lý ngôn ngữ tự nhiên và AI sáng tạo. Với chuyên môn của mình, cô tận tâm quảng bá các giải pháp AI/ML của AWS và hỗ trợ khách hàng chuyển đổi các giải pháp kinh doanh của họ trong nhiều ngành khác nhau, bao gồm truyền thông xã hội, trò chơi, thương mại điện tử, truyền thông, quảng cáo & tiếp thị.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/machine-learning/moderate-audio-and-text-chats-using-aws-ai-services-and-llms/
- : có
- :là
- :không phải
- :Ở đâu
- 100
- 118
- 14
- 7
- a
- Giới thiệu
- lạm dụng
- truy cập
- chứa
- Tài khoản
- chính xác
- Đạt được
- ngang qua
- kích hoạt
- thêm vào
- Ngoài ra
- thêm vào
- thông tin bổ sung
- địa chỉ
- Quảng cáo
- chống lại
- tuổi
- AI
- Dịch vụ AI
- AI / ML
- Tất cả
- Cho phép
- cho phép
- cô đơn
- dọc theo
- Đã
- Ngoài ra
- Mặc dù
- đàn bà gan dạ
- Amazon hiểu
- Phiên âm Amazon
- Amazon Web Services
- an
- phân tích
- phân tích
- phân tích
- và
- nhân loại
- Apache
- api
- ứng dụng
- Các Ứng Dụng
- các ứng dụng
- áp dụng
- Đăng Nhập
- Nộp đơn
- phương pháp tiếp cận
- cách tiếp cận
- LÀ
- AS
- đánh giá
- hỗ trợ
- Trợ lý
- trợ giúp
- liên kết
- At
- âm thanh
- tăng cường
- tác giả
- Tự động
- có sẵn
- AWS
- Cân đối
- số dư
- cơ sở
- dựa
- BE
- được
- bắt đầu
- sau
- được
- cả hai
- Phá vỡ
- rộng
- kinh doanh
- nhưng
- by
- CAN
- khả năng
- đố
- nhất định
- thách thức
- trò chuyện trên mạng
- mèo
- sự lựa chọn
- phân loại
- Phân loại
- đám mây
- mã
- thông thường
- giao tiếp
- Cộng đồng
- Các công ty
- công ty
- hiểu
- máy tính
- Tầm nhìn máy tính
- khái niệm
- điều kiện
- thực hiện
- sự tự tin
- Kết nối
- Hãy xem xét
- xem xét
- xem xét
- chứa
- nội dung
- bối cảnh
- theo ngữ cảnh
- Ngược lại
- Conversation
- cuộc hội thoại
- chuyển đổi
- chuyển đổi
- Phí Tổn
- Chi phí
- có thể
- tạo
- quan trọng
- quan trọng
- cồng kềnh
- khách hàng
- tùy biến
- tùy biến
- tùy chỉnh
- chu kỳ
- dữ liệu
- Cơ sở dữ liệu
- quyết định
- quyết định
- dành riêng
- định nghĩa
- Bằng cấp
- cung cấp
- triển khai
- triển khai
- Mô tả
- chi tiết
- phát hiện
- Phát hiện
- Xác định
- phát triển
- sơ đồ
- trực tiếp
- hiển thị
- khác nhau
- tài liệu
- tài liệu
- làm
- miền
- xuống
- thương mại điện tử
- mỗi
- hiệu quả
- hiệu quả
- hiệu quả
- hay
- nhúng
- trao quyền
- cho phép
- kích hoạt
- cho phép
- Kỹ Sư
- Kỹ sư
- nâng cao
- đánh giá
- đánh giá
- ví dụ
- vượt quá
- vượt quá
- kinh nghiệm
- chuyên gia
- chuyên môn
- giải thích
- Giải thích
- thêm
- các yếu tố
- Tập tin
- Các tập tin
- lọc
- Tìm kiếm
- Tên
- Linh hoạt
- linh hoạt
- linh hoạt
- dòng chảy
- tiếp theo
- sau
- Trong
- định dạng
- Nền tảng
- thân thiện
- từ
- đầy đủ
- chức năng
- Hơn nữa
- chơi game
- nền tảng chơi game
- Giới Tính
- thế hệ
- thế hệ
- Trí tuệ nhân tạo
- Đồ họa
- có hại
- ghét
- giúp
- cô
- Cao
- hiệu suất cao
- cao nhất
- làm nổi bật
- lịch sử
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- http
- HTTPS
- Nhân loại
- xác định
- xác định
- if
- minh họa
- lập tức
- in
- bao gồm
- Bao gồm
- Incoming
- Tăng lên
- chỉ số
- lập chỉ mục
- chỉ
- chỉ ra
- các ngành công nghiệp
- thông tin
- thông báo
- bắt đầu
- khởi xướng
- Đồng tu
- bắt đầu
- đầu vào
- những hiểu biết
- ví dụ
- hướng dẫn
- Xúc phạm
- ý định
- Giao thức
- trong
- giới thiệu
- giới thiệu
- điều tra
- viện dẫn
- viện dẫn
- liên quan đến
- các vấn đề
- IT
- sự lặp lại
- ITS
- Việc làm
- jpg
- Giữ
- kiến thức
- Ngôn ngữ
- lớn
- Độ trễ
- dẫn
- hàng đầu
- học tập
- Cấp
- Giấy phép
- Cấp phép
- khả năng
- LLM
- Thấp
- máy
- học máy
- làm cho
- LÀM CHO
- quản lý
- quản lý
- quản lý
- quản lý
- nhiều
- Marketing
- phù hợp
- Có thể..
- có nghĩa
- Phương tiện truyền thông
- tin nhắn
- tin nhắn
- phương pháp
- giảm thiểu
- ML
- kiểu mẫu
- mô hình
- vừa phải
- kiểm duyệt
- điều độ
- sửa đổi
- giám sát
- chi tiết
- phải
- Tự nhiên
- Xử lý ngôn ngữ tự nhiên
- Cần
- cần thiết
- Mới
- nlp
- tại
- con số
- of
- cung cấp
- Cung cấp
- thường
- on
- có thể
- mở
- mã nguồn mở
- hoạt động
- tối ưu
- tối ưu hóa
- Tối ưu hóa
- or
- dàn xếp
- điều phối
- nguyên
- Nền tảng khác
- ra
- nêu
- bên ngoài
- tổng thể
- riêng
- thụ động
- Họa tiết
- Thực hiện
- đường ống dẫn
- Pitch
- nền tảng
- Nền tảng
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- đóng
- xin vui lòng
- Chính sách
- điều luật
- đông dân cư
- phần
- Bài đăng
- xác định trước
- Chủ động
- vấn đề
- quá trình
- Quy trình
- xử lý
- LỢI NHUẬN
- Thúc đẩy
- nhắc nhở
- cho
- cung cấp
- cung cấp
- truy vấn
- Nhanh chóng
- giẻ lau
- khác nhau,
- lý do
- nhận
- nhận
- nhận
- công nhận
- ghi
- hồ sơ
- giảm
- Giảm
- làm giảm
- xem
- tham khảo
- về
- liên quan
- có liên quan
- dựa
- báo cáo
- Báo cáo
- Báo cáo
- đại diện cho
- yêu cầu
- Yêu cầu
- đòi hỏi
- Trả lời
- phản ứng
- kết quả
- Kết quả
- thu hồi
- Trả về
- xem xét
- Đánh giá
- Vai trò
- Phòng
- Quy tắc
- quy tắc
- an toàn
- Sự An Toàn
- mẫu
- đáp ứng
- khả năng mở rộng
- Quy mô
- lừa đảo
- các nhà khoa học
- Điểm số
- Tìm kiếm
- Phần
- an ninh
- Tìm kiếm
- phân khúc
- phân đoạn
- gửi
- cao cấp
- gởi
- dịch vụ
- DỊCH VỤ
- định
- XNUMX
- Tình dục
- chị ấy
- Chương trình
- có ý nghĩa
- tương tự
- Đơn giản
- đơn giản
- Mạng xã hội
- truyền thông xã hội
- nền tảng xã hội
- Phần mềm
- chỉ duy nhất
- giải pháp
- Giải pháp
- nguồn
- chuyên
- riêng
- phát biểu
- Speech Recognition
- chuyển lời nói thành văn bản
- Tách
- nói
- Các bước
- là gắn
- hàng
- lưu trữ
- lưu trữ
- đơn giản
- như vậy
- bộ
- hỗ trợ
- Hỗ trợ
- hệ thống
- TAG
- phù hợp
- Lấy
- phân loại
- nhóm
- mẫu
- Kiểm tra
- văn bản
- việc này
- Sản phẩm
- cung cấp their dịch
- Them
- sau đó
- Kia là
- họ
- nghĩ
- điều này
- các mối đe dọa
- ngưỡng
- Thông qua
- mất thời gian
- titan
- đến
- bây giờ
- Tokens
- truyền thống
- giao thông
- Hội thảo
- biến đổi
- kích hoạt
- được kích hoạt
- kích hoạt
- NIỀM TIN
- khám phá
- Dưới
- Đang tải lên
- sử dụng
- đã sử dụng
- người sử dang
- Người sử dụng
- sử dụng
- sử dụng
- Quý báu
- khác nhau
- xác minh
- SỰ VI PHẠM
- Vi phạm
- tầm nhìn
- Giọng nói
- we
- web
- các dịch vụ web
- khi nào
- liệu
- cái nào
- trong khi
- tại sao
- Wikipedia
- sẽ
- với
- ở trong
- không có
- từ
- quy trình làm việc
- Bạn
- trên màn hình
- zephyrnet