Il mese scorso abbiamo pubblicato Ink-2, il modello STT in streaming più accurato per l’inglese.
Oggi pubblichiamo due funzionalità: il prompting con termini chiave, che migliora la trascrizione di entità complesse specifiche di un settore, e il rilevamento dei turni configurabile, per regolare il rilevamento del fine turno in base a velocità o accuratezza.
Con questi miglioramenti gli agenti possono trascrivere nomi e termini tecnici in modo più affidabile e configurare latenza e accuratezza del rilevamento del fine turno.
Termini chiave: trascrivere meglio le entità difficili
Marchi, nomi di farmaci e termini di settore sono difficili da trascrivere anche per i migliori modelli STT.
Con il prompting puoi passare fino a 100 termini chiave, per un totale di 1,200 caratteri, nel parametro di query keyterm quando apri una connessione. Ink-2 favorisce la trascrizione corretta di questi termini senza aggiungere latenza.
Qui un medico spiega a un paziente una modifica della prescrizione. Ink-2 e Deepgram Flux ricevono gli stessi tre termini chiave. Le registrazioni e le trascrizioni mantengono la lingua originale.
Termini chiave forniti a entrambi i modelli:
ink-2
Restituisce tutti e tre i termini come forniti
flux-general-en
Trascrive "Paracetamol" in modo errato
Il prompting con termini chiave di Ink-2 funziona bene anche sui nomi.
Termini chiave forniti a entrambi i modelli:
ink-2
Restituisce entrambi i termini come forniti
flux-general-en
Non riconosce nessuno dei due termini
Misuriamo il richiamo delle parole chiave su Earnings22, un benchmark costruito da vere conferenze sui risultati trimestrali: nomi di aziende, simboli di borsa e acronimi, il tipo di vocabolario che spesso mette in difficoltà l’STT generico.
Richiamo delle parole chiave con prompting
Valori più alti sono migliori
Il prompting aumenta del 20% il richiamo di Ink-2, il modello STT più accurato. Con il prompting attivo, Deepgram Flux perde il 13.5% delle parole chiave e Ink-2 solo il 6.2%, quindi meno della metà.
Il prompting con termini chiave è utile per:
- Nomi di prodotti e marchi, come “Cartesia” e “Ink-2”.
- Nomi di farmaci e termini clinici, come “semaglutide” e “atorvastatin”.
- Nomi o indirizzi nell’account di chi chiama.
- Acronimi di settore e gergo interno.
Nella nostra valutazione, Ink-2 è migliorato in modo misurabile su EVA-Bench, il nostro benchmark IA progettato per le imprese. Gestisce bene il vocabolario specifico che compare nelle conversazioni aziendali reali, nei settori aereo, dei servizi IT e delle risorse umane. I miglioramenti tra le esecuzioni sono arrivati dal lavoro di Cartesia, non da modifiche fatte da noi.
Rilevamento dei turni configurabile: meno latenza o maggiore accuratezza
Il rilevamento configurabile permette di regolare latenza e accuratezza del fine turno per ottimizzare il flusso conversazionale dell’agente in base al caso d’uso.
Lower latency
Chiude prima il turno
Chiude un turno a ogni pausa, dividendo la richiesta in tre parti per far iniziare prima la risposta dell'agente.
Higher turn-taking accuracy
Mantiene il turno aperto più a lungo
Aspetta durante le pause e mantiene l'intera richiesta in un solo turno.
Ink-2 parte da un’impostazione equilibrata, ma ora puoi configurare il rilevamento dei turni: privilegia una latenza minore per conversazioni rapide o una maggiore accuratezza quando raccogliere correttamente le informazioni conta di più. Imposta la configurazione all’apertura della connessione oppure modificala durante lo streaming, mentre la chiamata procede.
Provalo oggi
Il prompting con termini chiave e il rilevamento configurabile sono già disponibili per tutti gli utenti Ink-2. Consulta la documentazione sui termini chiave e sul rilevamento dei turni, poi prova Ink-2 su play.cartesia.ai.