Eleven v3 अब सभी के लिए उपलब्ध है

इस लेख के प्रकाशित होने के बाद, हमने Eleven v4 जारी किया है, जो हमारा अब तक का सबसे भावपूर्ण टेक्स्ट टू स्पीच मॉडल है। Eleven v4 के बारे में और जानें।

Eleven v3, हमारा सबसे उन्नत टेक्स्ट टू स्पीच मॉडल, अब Alpha से बाहर आ चुका है और सभी के लिए उपलब्ध है।

Alpha रिलीज़ के बाद से, हमने मॉडल को और बेहतर बनाया है। दो अहम सुधार:

ज़्यादा स्थिर। परीक्षण में, यूज़र्स ने पिछले Alpha रिलीज़ की तुलना में 72% बार नए वर्ज़न को पसंद किया।

ज़्यादा सटीक। हमने अलग-अलग भाषाओं में मॉडल के नंबर, सिंबल और विशेष नोटेशन को संभालने के तरीके में बड़ा सुधार किया है।

सटीकता में सुधार

टेक्स्ट टू स्पीच मॉडल को आपके लिखे हुए टेक्स्ट का मतलब समझना होता है और तय करना होता है कि उसे कैसे बोलना है। एक ही सिंबल का अलग-अलग संदर्भों में अलग मतलब हो सकता है।

इस फ़ोन नंबर को देखें: "+49 170 9876543"

कुछ मामलों में, हमारे मॉडल इसे "प्लस उनचास, एक सौ सत्तर, अट्ठानवे लाख छिहत्तर हज़ार पाँच सौ तैंतालीस" पढ़ते थे—यानी अंकों को अंकों की श्रेणी के बजाय बड़ी संख्याओं के रूप में समझते थे। सही उच्चारण है "प्लस चार नौ, एक सात शून्य, नौ आठ सात छह पाँच चार तीन।"

इस तरह की गलतियाँ कई कैटेगरी में दिखीं—स्पोर्ट्स स्कोर, रासायनिक फ़ॉर्मूले, मुद्राएँ, कोऑर्डिनेट्स—हर उस जगह जहाँ मॉडल को सिंबल समझकर तय करना होता था कि उन्हें कैसे बोलना है।

हमने 8 भाषाओं में 27 कैटेगरी वाले एक आंतरिक बेंचमार्क पर परीक्षण किया।

कुल मिलाकर: गलतियों में 68% की कमी। एरर रेट 15.3% से घटकर 4.9% हो गया।

कैटेगरी के अनुसार एरर रेट:

सुधार उन कैटेगरी में सबसे अहम हैं जहाँ संदर्भ से अर्थ तय होता है—जहाँ आसपास के टेक्स्ट के आधार पर कोलन स्पोर्ट्स स्कोर, समय या आस्पेक्ट रेशियो को दिखा सकता है।

उदाहरण

मुद्राएँ — सही राशि:

इनपुट: ¥250,000

पहले: 25,000 येन

बाद में: 250,000 येन

रासायनिक फ़ॉर्मूले — सिंबल सही तरह से सुरक्षित:

इनपुट: SO₂

पहले: "सल्फ़र डबल" (गलत उच्चारण)

बाद में: "एस ओ दो"

स्पोर्ट्स स्कोर — संदर्भ के अनुसार व्याख्या:

इनपुट: फ़ाइनल स्कोर: 102-98

पहले: "एक सौ दो माइनस अट्ठानवे"

बाद में: "एक सौ दो से अट्ठानवे"

उपलब्धता

Eleven v3 अब सभी प्लेटफ़ॉर्म पर सभी के लिए उपलब्ध है।