A tabela a seguir lista os componentes de hardware necessários para implementar a solução. Os componentes de hardware que são usados em qualquer implementação específica da solução podem variar com base nos requisitos do cliente.

Esses testes de tempo de resposta foram executados em mais de 50.000 arquivos de áudio em 560 conversas. Cada arquivo de áudio tinha cerca de 100KB MB de tamanho como MP3 e cerca de 1 MB quando convertido para WAV. O passo Data Processing converte MP3s em arquivos WAV. As etapas de inferência convertem os arquivos de áudio em texto e extraem um sentimento do texto. Essas etapas são todas independentes umas das outras e podem ser paralelizadas para acelerar o processo.

Levando em conta a latência de transferência de dados entre lojas, os gerentes devem ser capazes de ver atualizações para a análise de sentimento em tempo real dentro de um segundo do final da frase.

A tabela a seguir lista os componentes de software necessários para implementar esta solução. Os componentes de software usados em qualquer implementação específica da solução podem variar de acordo com os requisitos do cliente.

Esta solução aplica-se aos seguintes casos de uso:

O caso de uso de fala para texto começa com a ingestão de arquivos de áudio para os centros de suporte. Este áudio é então processado para se ajustar à estrutura exigida pela RIVA. Se os arquivos de áudio ainda não foram divididos em suas unidades de análise, então isso deve ser feito antes de passar o áudio para RIVA. Depois que o arquivo de áudio é processado, ele é passado para o servidor RIVA como uma chamada de API. O servidor emprega um dos muitos modelos que está hospedando e retorna uma resposta. Este Speech-to-teXT (parte do reconhecimento Automático de fala) retorna uma representação de texto do áudio. A partir daí, o pipeline muda para a parte de análise de sentimento.

Para análise de sentimento, a saída de texto do reconhecimento Automático de fala serve como entrada para a classificação de texto. A classificação de texto é o componente NVIDIA para classificar o texto em qualquer número de categorias. As categorias de sentimento variam de positivo a negativo para as conversas do centro de suporte. O desempenho dos modelos pode ser avaliado usando um conjunto holdout para determinar o sucesso da etapa de ajuste fino.

Um pipeline semelhante é usado tanto para a análise de fala para texto quanto para análise de sentimento dentro do TAO Toolkit. A principal diferença é o uso de rótulos que são necessários para o ajuste fino dos modelos. O pipeline do TAO Toolkit começa com o processamento dos arquivos de dados. Em seguida, os modelos pré-treinados (provenientes do "Catálogo NVIDIA NGC") são ajustados usando os dados do centro de suporte. Os modelos ajustados são avaliados com base em suas métricas de desempenho correspondentes e, se forem mais eficientes do que os modelos pré-treinados, são implantados no servidor RIVA.