Patientdesk.ai, Türkçeye özel iki ses modeli başlattı: metinden konuşmaya dönüştürme için Alania ve konuşmadan metne dönüştürme için Duyu. Her iki model de tek bir hesap ve tek bir API anahtarı üzerinden kullanılabiliyor; lansman teklifi kapsamında kayıt tarihinden itibaren bir aylık ücretsiz kullanım süresi sunuluyor.
Türkçenin zorlukları için tasarlanan modeller
Şirket, iki modelin geliştirilmesine birçok sesli yapay zekâ çözümünün öncelikle İngilizce verilere dayanması sorunundan hareket edildiğini belirtiyor. Şirket ayrıca Türkçenin eklemeli yapısının, özel isimlerin, telefon görüşmelerindeki düşük ses kalitesinin yanı sıra e-posta adresleri ve telefon numaralarının telaffuzunun genel modeller açısından pratik zorluklar oluşturduğunu ifade ediyor.
Patientdesk.ai, ABD'deki kliniklerin çağrılarını yanıtlayan bir sesli asistan geliştirme deneyiminden yararlandı ve ardından Alania ile Duyu'yu Türkçe kullanım alanlarına odaklanarak eğitti.
Duyu'nun konuşmadan metne dönüştürme performansı
Şirketin yayımladığı rakamlara göre Duyu, açık Türkçe FLEURS testinde %4,71 kelime hata oranına ulaştı. Aynı testte OpenAI'ın Whisper large-v3 modeli %5,04 oranına ulaştı.
Telefon kalitesindeki sesleri ve e-posta adresleri ile telefon numaralarının geçtiği konuşmaları içeren bir dizi şirket içi testte Duyu, %9,87 hata oranı kaydetti. Şirket aynı veri kümesinde ElevenLabs Scribe v2 için %10,4 oranı bildirdi. İçerik, test kümesinin boyutu veya metodolojisi hakkında ayrıntı vermediğinden karşılaştırma, kapsamlı bağımsız bir değerlendirme olarak değil, şirket tarafından açıklanan sonuçlar olarak okunmalı.
Duyu, kaydedilmiş ses dosyalarını işleyip canlı konuşmaları gerçek zamanlı olarak metne dönüştürebiliyor; bu da onu anlık yazıya dökme ve sesli arama uygulamalarına yönelik hâle getiriyor.
Alania ve düşük gecikmeli ses akışı
Alania, Türkçe metinleri tek ve tutarlı, doğal bir sesle okumaya odaklanıyor. Model, cümle tamamlanmadan önce sesi akış olarak gönderebiliyor; bu özellik, yanıt hızından etkilenen telefon görüşmeleri ve sesli asistanlar için uygun. Platform şu anda tek bir ses seçeneği sunuyor; randevular, sorular ve sakinleştirme gibi bağlamlarla ilişkili tonlama seçenekleri de bulunuyor.
API entegrasyonu ve açık araştırma projesi
Her iki model de yaygın OpenAI API formatıyla uyumlu; bu da geliştiricilerin sınırlı değişikliklerle modelleri mevcut uygulamalara entegre etmesine olanak tanıyor. Patientdesk.ai ayrıca modellerin tarayıcı üzerinden denenmesine ve API anahtarları oluşturulmasına imkân veriyor.
Şirket buna paralel olarak Antalia-1'i metinden konuşmaya dönüştürme için deneysel, açık kaynaklı bir Türkçe model olarak yayımladı. Sürüm; model ağırlıklarını, kodunu, teknik bir raporu ve yaklaşık beş saatlik Türkçe ses verisini içeriyor. Şirket bu araştırma projesini ticari ürünlerinden ayrı tutuyor.
Pratikte ne değişiyor?
Lansman, geliştiricilere özellikle çağrılar ile numara ve e-posta adresi içeren veriler olmak üzere belirli Türkçe kullanım alanlarına yönelik bir seçenek sunuyor. Ancak yayımlanan karşılaştırmalar tek başına tüm ortamlardaki kalite hakkında hüküm vermek için yeterli değil. Ayrıca Alania'da şu anda yalnızca bir sesin bulunması, kullanım esnekliğini sınırlıyor. Antalia-1 ise araştırmacılara incelenebilir ve geliştirilebilir bir başlangıç noktası sağlıyor; performans değerlendirmesi ve pratik lisanslama ise içerikte yer alan ayrıntıların kapsamı dışında kalıyor.