Sesli yapay zeka girişimi Patientdesk.ai, Y Combinator liderliğinde gerçekleşen tohum öncesi turda 1 milyon dolar yatırım alarak Türkçe odaklı iki yeni ses modelini tanıttı. Alania modeli metni sese dönüştürürken, Duyu modeli konuşmaları yazıya aktarıyor. İki model de kullanıcıların tek bir hesap ve API anahtarı ile erişim sağlayabileceği biçimde tasarlandı. Lansman sürecinde, bu modeller bir aylık ücretsiz deneme süresiyle sunuluyor.
Geliştirilen bu modellerin arka planında, mevcut sesli yapay zeka çözümlerinin çoğunun İngilizce verilerle eğitilmiş olması yatıyor. Türkçe'nin kendine has zorlukları, özel isimler ve telefon görüşmelerindeki ses kalitesi gibi unsurlar, mevcut çözümler için sıkıntı yaratıyordu. Patientdesk.ai, özellikle ABD'deki kliniklerin telefon görüşmelerini yanıtlayan sesli asistanını geliştirirken edindiği deneyimle Alania ve Duyu'yu Türkçe için özel olarak eğittiğini belirtiyor.
Duyu, konuşmayı yazıya dönüştürme yeteneği ile dikkat çekiyor. Açık Türkçe okuma testi FLEURS'ta yüzde 4,71 kelime hata oranına ulaştı. Bu sonuç, aynı testte OpenAI'ın Whisper large-v3 modelinin yüzde 5,04 hata oranından daha başarılı olduğunu gösteriyor. Duyu'nun performansı, telefon kalitesindeki seslerden ve iletilen e-posta adresleri ile telefon numaralarının bulunduğu konuşmalardan oluşan kendi test setinde ise yüzde 9,87 olarak ölçüldü. Ayrıca, Duyu, önceden kaydedilmiş ses dosyalarını ve canlı konuşmaları gerçek zamanlı olarak yazıya dönüştürebiliyor.
Alania ise Türkçe metinleri doğal ve tutarlı bir sesle okumaya odaklanıyor. Model, cümleleri tamamlamadan akış halinde seslendirebiliyor ki bu özellik telefon görüşmeleri ve sesli asistanlar için büyük bir avantaj sağlıyor. Şu anda yalnızca tek bir ses seçeneği mevcut, ancak seslendirme esnasında randevu, soru ve sakinleştirme gibi tonlama seçenekleri de sunuluyor.
Her iki model de yaygın olarak kullanılan OpenAI API biçimiyle uyumlu olduğu için, geliştiriciler mevcut uygulamalarına bu modelleri entegre edebiliyor. Patientdesk.ai, kullanıcıların tarayıcı üzerinden modelleri denemelerine ve API anahtarı oluşturmalarına da imkan tanıyor.
Şirket, Alania ve Duyu'nun yanı sıra, Türkçe metinden sese modelini araştırma topluluğuna açık kaynak olarak sunan Antalia-1 adlı bir projeyi de duyurdu. Antalia-1, tek bir sesle eğitilmiş olup, yaklaşık 5 saatlik Türkçe ses veri seti ile birlikte açık kaynak olarak paylaşıldı.