Детекция автоответчиков: робот или человек

Анонс:

Вебинар, где вы в одном практическом часе узнаете, как с помощью транскрибации, акустического анализа и ML-моделей (включая NVidia NeMo) в условиях массовых обзвонов и работы МФО быстро и точно отличать живого собеседника от автоответчика или голосового ассистента и интегрировать эти решения в ваши бизнес-процессы.

Тезисы:

1. Проблема и вызовы

• Высокий процент автоответчиков и необходимость точной обработки звука

• Массовое внедрение голосовых ассистентов, которые имитируют человеческую речь

• Проблема идентификации ассистентов, которые начинают разговор с фраз вроде «Алло, да, слушаю».

2. Ключевые идеи и концепции

• Комплексный подход к детекции автоответчиков: использование транскрибации, акустического анализа, цифрового отпечатка голоса и распознавания говорящего.

• Применение открытых ML-библиотек и моделей для решения этих задач.

• Обзор современных технологий и методов, которые помогают отличить робота от человека.

3. Практические примеры и кейсы

• Рассмотрение бизнес-процессов микрофинансовых организаций (МФО) по работе с клиентами-должниками.

• Описание механизмов работы АТС МФО с API-системами распознавания и примеры анализа проектов.

• Демонстрация применения различных алгоритмов для определения автоответчиков.

4. Помощь участникам конференции

• Понимание текущего состояния технологий автоответчиков и ассистентов.

• Ознакомление с нововведениями и хитростями, применяемыми операторами связи.

• Изучение методов борьбы с автоответчиками и улучшение точности обработки звонков.

5. Инструменты и методики

• Использование библиотеки NVidia NeMo для создания и применения моделей разговорного ИИ.

• Применение ML-инструментов для распознавания речи и говорящего.

• Обзор и демонстрация технологий, подходящих для анализа и детекции автоответчиков.