El mes pasado lanzamos Ink-2, el modelo STT en streaming más preciso para inglés.
Hoy presentamos dos funciones: indicaciones de términos clave, que mejoran la transcripción de entidades complejas de ámbitos especializados, y detección de turnos configurable, que permite priorizar velocidad o exactitud al determinar el final de una intervención.
Con estas mejoras, los agentes transcriben nombres y términos técnicos con más fiabilidad y permiten configurar la latencia y la exactitud de detección del final de turno.
Términos clave: mejora la transcripción de entidades difíciles
Las marcas, los nombres de medicamentos y la terminología sectorial resultan difíciles de transcribir incluso para los mejores modelos STT.
Puedes enviar hasta 100 términos clave, con un máximo total de 1.200 caracteres, mediante el parámetro de consulta keyterm al abrir una conexión. Ink-2 favorece la transcripción correcta de esos términos sin añadir latencia.
Aquí, un profesional sanitario explica un cambio de receta a un paciente. Ink-2 y Deepgram Flux reciben los mismos tres términos clave. Las demostraciones conservan el audio y las transcripciones originales en inglés.
Términos clave proporcionados a ambos modelos:
ink-2
Devuelve los tres términos tal como se indicaron
flux-general-en
Transcribe "Paracetamol" incorrectamente
Las indicaciones de términos clave también ayudan a Ink-2 a transcribir nombres correctamente.
Términos clave proporcionados a ambos modelos:
ink-2
Devuelve ambos términos tal como se indicaron
flux-general-en
Omite ambos términos
Medimos la exhaustividad de palabras clave en Earnings22, una prueba basada en llamadas reales de resultados trimestrales. Incluye nombres de empresas, símbolos bursátiles y acrónimos, el tipo de vocabulario que suele resultar difícil para STT de uso general.
Exhaustividad de palabras clave con términos indicados
Cuanto mayor, mejor
Las indicaciones de términos clave aumentan un 20 % la exhaustividad de Ink-2, el modelo STT más preciso. Con esta función activada, Deepgram Flux omite el 13,5 % de las palabras clave e Ink-2 solo el 6,2 %, menos de la mitad.
Esta función resulta útil para:
- Nombres de productos y marcas, como “Cartesia” e “Ink-2”.
- Medicamentos y términos clínicos, como “semaglutide” y “atorvastatin”.
- Nombres o direcciones de la cuenta de quien llama.
- Acrónimos sectoriales y jerga interna.
En nuestra evaluación, Ink-2 ha mejorado de forma medible en EVA-Bench, nuestra prueba de IA empresarial. Responde bien al vocabulario especializado de conversaciones reales de aerolíneas, servicios de TI y recursos humanos. Las mejoras entre pruebas procedieron de las iteraciones de Cartesia, no de ajustes realizados por nosotros.
Detección de turnos configurable: menor latencia o mayor exactitud
Puedes ajustar la latencia y la exactitud del final de turno para adaptar el flujo de conversación del agente a tu caso de uso.
Lower latency
Cierra el turno antes
Termina un turno en cada pausa y divide la solicitud en tres para que el agente responda antes.
Higher turn-taking accuracy
Mantiene el turno más tiempo
Espera durante las pausas y conserva toda la solicitud en un solo turno.
Ink-2 incluye una configuración equilibrada, pero ahora puedes ajustarla: prioriza menor latencia para conversaciones ágiles o mayor exactitud de turnos cuando captar bien la información sea más importante. Configúrala al abrir la conexión o modifícala durante la llamada.
Pruébalo hoy
Las indicaciones de términos clave y la detección de turnos configurable ya están disponibles para todos los usuarios de Ink-2. Consulta la documentación de términos clave y detección de turnos, y prueba Ink-2 en play.cartesia.ai.