Обновленный NLU Suite позволяет сократить время вывода голосовых помощников

Релиз ориентирован на комплексное ускорение подготовки данных и расширение аналитических возможностей при работе с тремя типами проектов: адаптацией речевых моделей (ASR), моделей понимания языка (NLU) и больших языковых моделей (GAI/LLM)

В новой версии NLU Suite — инструментария для обучения моделей распознавания через визуальный интерфейс — ключевым изменением стала глубокая интеграция процессов дл,я голосовых проектов. Реализован прямой импорт датасетов в формате JSON из портала аннотации аудио, экспорт тестов в CSV и возможность копирования оригинальных имён аудиофайлов. Все это сокращает ручные операции и минимизирует риски ошибок при конвертации.

Кроме того, реализована функция экспорта результатов ASR-тестов в формат, используемый для NLU-проектов. Это дает возможность тестировать NLU-классификаторы на одном тестовом наборе, распознанном разными версиями ASR-движков, что позволяет бизнесу напрямую отслеживать влияние адаптации речи на итоговое качество понимания смысла.

Для NLU-проектов добавлена авторазметка интентов прямо из вкладки Datasets, фильтрация по confidence и гибкое разделение выборок. Также реализовано частичное копирование датасета по диапазону реплик и загрузка реплик из Dialog Composer — инструмента для разработки диалоговых сценариев, что позволяет быстрее собирать релевантные фразы для адаптации ASR и NLU моделей.

В модуле работы с LLM появилась поддержка диалогов с ролями («пользователь»/«система») и метрики качества генерации: BLEU, ROUGE и Accuracy, а также отображение выбранных genv-метрик в таблице Tests.

Таким образом, обновленный NLU Suite дает пользователям:

Сокращение времени подготовки данных, благодаря автоматизации загрузки, авторазметке и новым форматам экспорта.

Гибкость тестирования и аналитики — удобные фильтры, метрики и экспорт результатов делают анализ моделей быстрым и наглядным.

Единую среду для всех типов моделей — ASR, NLU и GAI теперь теснее интегрированы, что упрощает комплексную работу с голосовыми и текстовыми данными.

Эксперты отмечают, что обновление особенно актуально для банков, телеком-операторов и крупных сервисных платформ, где точность диалоговых систем напрямую влияет на клиентский опыт и операционные затраты. Возможность гибкой настройки отчётов, работа с ролевыми диалогами и автоматизация рутинных этапов разметки сокращают время вывода моделей в продакшен на 20–30%, по оценкам вендора.

 

Источник: BSS