Bygga ett kontrollerat laboratorium
För att säkerställa att datainsamlingen var autentisk i förhållande till kundens verkliga användningsfall designade och byggde vi tre särskilda inspelningsmiljöer för att efterlikna företagskonfigurationer, från små mötesrum till stora styrelserum. I varje rum rådde olika akustiska förhållanden och en mängd olika toppmodeller användes för att samla in autentiska data till kundens AI-modeller.
Hitta de rätta rösterna för mångfald inom data
Vi visste att vi behövde olika röster för att bygga en inkluderande AI. Vårt team rekryterade över 170 talare på flera olika platser. Vi började i Las Vegas men utökade till Bangkok för att fånga upp underrepresenterade accenter, vilket också hjälpte oss att minska kostnaderna och påskynda projektets tidslinje. Projektets framgångar öppnade också dörren för att samla in data på nya språk.
Hantering av detaljer på plats
För att garantera en konsekvent datainsamlingsprocess och högkvalitativa resultat använde Acolad team på plats för att hantera allt från felsökning av enheter till vård av deltagare. Vår samordning från början till slut säkerställde att varje session - och projektet som helhet - höll sig på rätt spår.
Säkerställa datakvalitet
Att leverera högkvalitativa data handlade inte bara om att registrera dem, det handlade också om rigorös validering. Allt insamlat innehåll granskades och bearbetades genom mänskliga arbetsflöden för att säkerställa transkriptionskvalitet och metadatakonsistens. Denna rigorösa kvalitetskontroll bidrog till att säkerställa tillförlitligheten i utbildningsdata, vilket gjorde det möjligt för kunden att testa röstprestanda under olika förhållanden och optimera sina AI-algoritmer därefter.
