Türkçeye özel yapay zeka atağı: Alania ve Duyu kullanıma açıldı
Patientdesk.ai, Türkçe için geliştirdiği konuşmayı yazıya çeviren Duyu ile metni sese dönüştüren Alania modellerini tanıttı. Küresel testlerde rakiplerini geride bırakan sistemler, geliştiricilere bir ay boyunca ücretsiz sunuluyor.
Karar'ın haberine göre, ses teknolojileri üzerine çalışan Patientdesk.ai, Türkçenin kendine özgü yapısına uygun şekilde tasarladığı iki yeni modeli kullanıcıların erişimine açtı.
Şirket, Alania adını verdiği metinden doğal ses üreten model ile Duyu adlı ses kayıtlarını anında yazıya dönüştüren modeli tanıttı. Y Combinator öncülüğünde şubat ayında tamamlanan yatırım turunda 1 milyon dolar toplayan girişim, bu altyapıyı tüm geliştiricilere sundu.
Her iki sistem de tek bir kullanıcı hesabı ve tek bir Uygulama Programlama Arayüzü (API) anahtarı üzerinden yönetilebiliyor. Platforma yeni kayıt olanlar, lansman avantajı kapsamında modelleri kayıt tarihinden itibaren bir ay boyunca ücretsiz kullanabilecek.
Modeller geliştirilirken mevcut küresel yapay zeka sistemlerinin çoğunlukla İngilizce verilerle eğitilmesi dikkate alındı. Türkçenin sondan eklemeli yapısı, özel isimlerin telaffuzu, düşük kaliteli telefon hatları ve e-posta adresleri gibi unsurlar mevcut sistemlerde sorunlara yol açıyordu.
Patientdesk.ai yetkilileri, sistemin felsefesini şu sözlerle aktardı: "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."
Konuşmaları metne dönüştüren Duyu, bağımsız FLEURS açık Türkçe okuma testinde yüzde 4,71 kelime hata oranı elde etti. Bu sonuçla, aynı testte yüzde 5,04 hata oranı gösteren OpenAI'ın 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'ın Scribe v2 modeli yüzde 10,4 hata oranında kaldı.
Duyu, kayıtlı ses dosyalarının yanı sıra canlı konuşmaları da gerçek zamanlı olarak metne aktarabiliyor. Sistem üzerinde yapılan denemelerde, ses dosyalarını hızlı şekilde işleyerek hatasız metin çıktısı üretildiği görüldü.
Alania ise Türkçe içerikleri doğal ve tutarlı tek bir sesle seslendirmeye odaklanıyor. Modelin cümlenin bitmesini beklemeden ses dalgalarını anlık akış halinde gönderebilmesi, çağrı merkezleri ve sesli asistanlar gibi düşük gecikme gerektiren operasyonlar için önemli bir özellik olarak öne çıkıyor. Platformda şu an tek bir ses seçeneği bulunurken, randevu oluşturma, soru sorma ve sakinleştirme gibi farklı duygu ve tonlama seçenekleri kullanıcılara sunuluyor.
Geliştiricilere kolaylık sağlamak amacıyla her iki model de küresel standart kabul edilen OpenAI API formatıyla uyumlu hale getirildi. Böylece yazılımcılar, mevcut sistemlerinde büyük kod değişiklikleri yapmadan yeni modelleri uygulamalarına entegre edebiliyor. Modellerin web tarayıcısı üzerinden test edilmesine imkan tanınırken, geliştiriciler anında API anahtarı üretebiliyor.
Şubat ayında Y Combinator öncülüğünde alınan 1 milyon dolarlık tohum öncesi fonlama, şirketin ar-ge çalışmalarını doğrudan Türkçeye yönlendirmesini sağlayan önemli bir kaynak oldu.
Ticari ürünlerin yanı sıra Patientdesk.ai, akademik ve bağımsız araştırmacılara katkı sunmak için Antalia-1 adlı deneysel Türkçe modelini de kamuoyuyla paylaştı. Tek bir ses kaynağı üzerinden eğitilen açık kaynaklı modelin ağırlıkları, kaynak kodları ve teknik raporu araştırmacıların erişimine açıldı. Şirket ayrıca yaklaşık 5 saatlik işlenmiş Türkçe ses veri setini de ekosistemin kullanımına sundu.
Ticari hedeflerden bağımsız olarak geliştirilen Antalia-1 projesi, Türkçe konuşma teknolojileri alanında bağımsız araştırmacıların ve yeni nesil ar-ge çalışmalarının önünü açmayı amaçlıyor.
TürkAta Haber Ajansı