Türkçeye özel dev yapay zeka hamlesi: Alania ve Duyu yayında
Yapay zeka girişimi Patientdesk.ai, Türkçe için özel olarak geliştirdiği konuşmayı metne dönüştüren Duyu ve metinden ses üreten Alania modellerini resmi olarak duyurdu. Küresel testlerde dünya devlerini geride bırakan sistemler, geliştiricilere tek bir arayüz üzerinden bir ay boyunca ücretsiz sunuluyor.
Ses odaklı yapay zeka teknolojileri geliştiren Patientdesk.ai, Türkçenin dil dinamiklerine özel olarak tasarladığı iki yeni modelini erişime açtı.
Şirket, metinleri yüksek doğallıkla sese çeviren Alania ve ses kayıtlarını anlık olarak yazıya döken Duyu modelleriyle kullanıcıların karşısına çıktı.
Y Combinator liderliğinde şubat ayında tamamlanan tohum öncesi yatırım turunda 1 milyon dolar fon toplayan girişim, geliştirdiği bu yeni altyapıyı tüm geliştiricilere sundu.
Her iki sistem de tek bir kullanıcı hesabı ve tek bir Uygulama Programlama Arayüzü (API) anahtarı üzerinden kontrol ediliyor.
Platforma yeni kayıt yaptıran kullanıcılar, lansman avantajı sayesinde sistemleri kayıt tarihinden itibaren bir ay boyunca hiçbir ücret ödemeden deneyimliyor.
KÜRESEL DEVLERİ GERİDE BIRAKAN YERLİ DOĞRULUK ORANI
Modellerin geliştirilmesinde, halihazırdaki küresel yapay zeka sistemlerinin ağırlıklı olarak İngilizce verilerle eğitilmesi gerçeği belirleyici rol oynadı.
Türkçenin sondan eklemeli yapısı, özel isim telaffuzları, düşük kaliteli telefon hatları, e-posta adresleri ve telefon numaralarının okunması mevcut modellerde aksaklıklara yol açıyordu.
Patientdesk.ai temsilcileri, sistemin temel felsefesini aktarırken, "Amerika Birleşik Devletleri merkezli kliniklerin telefon görüşmelerini yanıtlayan sesli asistanı geliştirirken edindiğimiz saha tecrübesinden güç alarak Alania ve Duyu'yu doğrudan Türkçenin zorluklarına odaklanacak şekilde eğittik" sözlerine yer verdi.
Konuşmaları metne dönüştüren Duyu, bağımsız FLEURS açık Türkçe okuma testinde yüzde 4,71 kelime hata oranına ulaştı ve aynı testte yüzde 5,04 hata oranı veren OpenAI imzalı Whisper large-v3 modelini geride bıraktı.
Şirketin telefon kalitesindeki sesler ile e-posta ve telefon numarası içeren konuşmalardan oluşturduğu özel test setinde ise Duyu yüzde 9,87 hata payı yakalarken, ElevenLabs şirketinin Scribe v2 modeli aynı senaryoda yüzde 10,4 hata oranında kaldı.
GECİKMEYİ SIFIRLAYAN AKICI VE DUYGUSAL SESLENDİRME
Konuşmayı anında yazıya döken Duyu, önceden kaydedilmiş ses dosyalarının yanında canlı konuşmaları da gerçek zamanlı olarak metne aktarıyor.
Sistem üzerinde yapılan yükleme denemelerinde platform, iletilen ses dosyalarını hızla işleyerek hatasız metin çıktısı üretiyor.
Serinin metinden ses üreten üyesi Alania ise Türkçe içerikleri son derece doğal ve tutarlı tek bir ses üzerinden seslendirmeye odaklanıyor.
Modelin ürettiği ses dalgalarını cümlenin bitmesini beklemeden anlık akış halinde gönderebilmesi, çağrı merkezleri ve sesli asistanlar gibi sıfıra yakın gecikme arayan operasyonlar için devrim niteliği taşıyor.
Halen tek bir ses seçeneği barındıran platformda; randevu oluşturma, soru sorma ve sakinleştirme gibi farklı duygu ve tonlama seçenekleri kullanıcıya sunuluyor.
BİR AY BOYUNCA ÜCRETSİZ ERİŞİM VE KOLAY ENTEGRASYON
Geliştiricilerin işini kolaylaştırmayı hedefleyen Patientdesk.ai, her iki modeli de küresel standart kabul edilen OpenAI API formatıyla tam uyumlu hale getirdi.
Bu altyapı sayesinde yazılımcılar, mevcut sistemlerinde köklü kod değişikliklerine gitmeden yeni modelleri uygulamalarına dahil edebiliyor.
Modellerin web tarayıcısı üzerinden kolayca test edilmesine imkan tanıyan şirket, geliştiricilerin anında API anahtarı üretmesine olanak sağlıyor.
Kullanıcılar oluşturdukları tek bir profil üzerinden iki modeli aynı anda yönetebiliyor.
Girişimin şubat ayında Y Combinator öncülüğünde aldığı 1 milyon dolar değerindeki tohum öncesi fonlama, şirketin ar-ge gücünü doğrudan Türkçeye yöneltmesini sağlayan en önemli itici güçler arasında bulunuyor.
ARAŞTIRMACILAR İÇİN AÇIK KAYNAKLI MODEL VE VERİ SETİ
Ticari ürün ailesinin ötesine geçen Patientdesk.ai, akademik ve bağımsız araştırmacılara katkı sunmak amacıyla Antalia-1 adını verdiği deneysel Türkçe modelini de kamuoyuyla paylaştı.
Tek bir ses kaynağı üzerinden eğitilen açık kaynaklı modelin ağırlıkları, kaynak kodları ve kapsamlı teknik raporu araştırmacıların erişimine açıldı.
Şirket bu hamleyle yetinmeyerek yaklaşık 5 saatlik işlenmiş Türkçe ses veri setini de ekosistemin kullanımına sundu.
Ticari hedeflerden tamamen ayrı tutulan Antalia-1 projesi, Türkçe konuşma teknolojileri alanında bağımsız araştırmacıların ve yeni nesil araştırma-geliştirme çalışmalarının önünü açmayı hedefliyor.
Kaynak: Karar