Box Apps は AI のおかげでファイルを自動化されたワークフローに変換できます

独占: Encord は、オーディオを含むマルチモーダル AI データをすべて 1 つのプラットフォームにまとめます。

データ開発プラットフォームEncordは、ビジネス分析を超えて「世界で唯一のマルチモーダルAIデータ開発プラットフォーム」を目指しています。

同社は木曜日、音声と文書を分類するための新しいマルチモーダル データ アノテーション機能を 1 つのインターフェイスで発表しました。このアップデートでは、医療、コンピュータ ビジョン、およびビデオ データに対する Encord の既存のサポートが拡張されます。

今では、AI チャットボットや画像ジェネレーターは比較的一般的になっています。しかし、説得力のあるビデオやオーディオを生成することは、テキストを生成することよりもはるかに困難です。 AI 業界は、特に ChatGPT の音声モードなどの機能のリリースにより、マルチモーダル機能にますます注目しています。

AI モデルを微調整するには、高品質の、そして場合によっては非常に具体的なデータが必要です。テキストベースのデータでは、これらの複雑なモデルに必要なニュアンスが得られず、医療のような一か八かの状況では精度がさらに重要になります。ビルダーは、ビデオ、オーディオ、画像、グラフ、レポート、小売リスト、PDF など、あらゆる種類のデータに理想的には 1 か所で注釈を付け、評価できるプラットフォームを必要としています。 Encord のクライアントのいくつかは、MRI スキャンなどの医療画像用のプラットフォームを使用して、医師を支援するためのより優れたモデルを開発しています。

高品質で適切に注釈が付けられた音声データがあれば、音声と感情の認識モデルを構築するのに役立ち、音を識別することもできます。ビデオおよびオーディオ AI 製品では、文字起こしやリップシンクの精度にかかわらず、人間のようなリアリズムを実現するために、ますます高度なデータ サポートが必要になります。たとえば、AI テキストからビデオへの変換プラットフォームである Synthesia は、Encord を使用して本物のような AI アバターのトレーニング モデルを開発しています。

Encord のアップデートには、ドキュメント、オーディオ ファイル、ビジョン、医療データに対する新しい注釈機能とキュレーション機能が含まれています。マルチモーダル アノテーションを使用すると、AI チームはインターフェイスをカスタマイズして、さまざまなファイル タイプを並べて確認および編集できます。現在、さまざまなデータ タイプが複数のサービスやプラットフォームにわたってサイロ化されていることが多く、データ アノテーションに時間とコストが追加されています。 Encord はすでに、エンティティ認識、翻訳、要約、テキスト分類、センチメント分析などの主要なデータ注釈カテゴリをサポートしています。

「これらのサイロ化されたツールを統合するための統合と一貫したインターフェースが欠如しているため、モデル開発全体を通してチームが大規模なデータセットを可視化することは時間がかかり、多くの場合不可能です」と同社はリリースで述べた。

Encord を使用すると、AI チームはデータをフィルタリングして、モデルの構築に必要なものを正確に特定して厳選できます。評価ダッシュボードでは、モデルのパフォーマンスを妨げているデータにフラグを立てて、チームが削除または置換できるようにすることもできます。

Encordの担当者は「平均して、Encordの顧客は35%小さいデータセットを使用しているため、モデルのパフォーマンスが20%正確になる」とZDNETに電子メールで語った。

Encordの共同創設者兼社長のウルリク・スティグ・ハンセン氏はデモでZDNETに対し、同社が品質と集中化に注力していることで最終的に汎用人工知能（AGI）が可能になると見ていると語った。