NVIDIA: сложности распознавания клинической терминологии в речевых ИИ и оценка моделей ASR
Обучение речевых ИИ‑моделей, которые должны корректно распознавать и воспроизводить клиническую терминологию, по‑прежнему остаётся непростой задачей. Многие названия лекарств почти не встречаются в обычной речи, поэтому системам распознавания их трудно уловить. В качестве примеров упоминаются Acetaminophen, Amlodipine, Cefazolin и Biktarvy.
Похожая ситуация и с другими медицинскими терминами. Речевые модели спотыкаются на названиях процедур, анатомических терминах и диагнозах, особенно если речь идёт о словах, характерных для отдельных медицинских специальностей.
Даже готовые системы распознавания речи могут звучать плавно и естественно, но при этом пропускать такие слова или распознавать их неправильно. В материале NVIDIA Technical Blog (Developer) разбирается, как оценивать клинические ASR‑модели с помощью Agent Skills и NVIDIA Nemotron Speech.
Ключевые факты
Обучение речевой AI‑модели для корректного распознавания или синтеза клинической терминологии описывается как сложная задача.
Названия лекарств Acetaminophen, Amlodipine, Cefazolin и Biktarvy не входят в повседневный словарь, что затрудняет работу речевых моделей.
Названия процедур, анатомические термины и узкоспециализированные диагнозы создают аналогичную проблему для систем распознавания речи.
Готовые off-the-shelf речевые системы могут звучать бегло, но при этом пропускать такие специализированные слова.