Y Combinator liderliğinde bu yılın başlarında 1 milyon dolar tohum öncesi yatırım alan Patientdesk.ai, Türkçeye özel olarak geliştirilen iki ses modelini kullanıma sundu: Alania metinden sese, Duyu ise konuşmayı yazıya dönüştürüyor.
Türkçe, sesli yapay zeka için benzersiz zorluklar sunuyor: eklemeli yapısı, telefon görüşmelerindeki özel isimler ve düşük ses kalitesi, ağırlıklı olarak İngilizce verilerle eğitilmiş modelleri zor durumda bırakıyor. Patientdesk.ai, ABD'deki kliniklerin telefon görüşmelerini yanıtlayan sesli asistan geliştirme deneyiminden yola çıkarak her iki modeli de Türkçe için yeniden eğitti.
FLEURS Türkçe okuma testinde Duyu, %4,71 kelime hatası oranına ulaşarak OpenAI'ın Whisper large-v3 modelini (%5,04) geride bıraktı. Telefon kalitesindeki seslerden ve e-posta adresleri ile telefon numaralarından oluşan kendi test setinde ise Duyu %9,87, ElevenLabs Scribe v2 ise %10,4 hata oranı elde etti. Duyu ayrıca gerçek zamanlı streaming transkripsiyonu destekliyor.
Alania, doğal ve düşük gecikmeli Türkçe ses üretiyor ve cümlenin tamamlanmasını beklemeden akış halinde çıkış veriyor – bu tasarım kararı, gecikmenin önemli olduğu telefon tabanlı asistanları hedefliyor. Şu an için randevu planlama, sorular ve sakinleştirme ton seçenekleri sunan tek bir ses seçeneği bulunuyor.
Her iki model de OpenAI uyumlu API biçimini kullanıyor, böylece geliştiriciler mevcut uygulamalara küçük değişikliklerle entegre edebiliyor. Patientdesk.ai ayrıca deneysel tek sesli bir TTS modeli olan Antalia-1'i ağırlıkları, kodu, teknik raporu ve5 saatlik Türkçe ses veri setiyle birlikte açık kaynak olarak yayımladı. Ticari modeller kayıt tarihinden itibaren bir ay boyunca ücretsiz.
