ASR Linguistics Intern

Motivation

Statistical and neural network ASR systems normalisieren Text, bevor Modelle damit trainiert werden. Es funktioniert in zwei Richtungen: unser 'Tokenizer' splittet nicht nur bei Leerzeichen, sondern normalisiert auch den gesprochenen Text. Zahlen in Ziffern, Daten, Zeitangaben usw. werden in Worten ausgeschrieben, die Rechtschreibung wird normalisiert und einige andere kleinere Umschreibungen werden vorgenommen, um sämtliches Trainingsmaterial in unseren Tokenraum zu bringen. Auf der anderen Seite möchte der Endbenutzer nicht 'erster Juli neunzehnhundertzwei' sehen, daher ist eine Umkehrnormalisierung zu '1. Juli 1992' erforderlich, was wir als 'Formatierung' bezeichnen.

Derzeit werden sowohl der Tokenizer als auch der Formatter weitgehend von Grammatikregeln gesteuert. Beide erfordern, dass die Eingabe in einem festen Format vorliegt, normaler Text für den Tokenizer und im 'Tokenraum' für den Formatter. Heutzutage haben wir jedoch zunehmend mit hybriden Systemen zu tun, deren Ausgabe möglicherweise nicht unbedingt der erwarteten Eingabe entspricht. Darüber hinaus beschäftigen wir uns zunehmend mit mehrsprachigen Systemen, bei denen die Eingabe in mehreren Sprachen erfolgen kann.

Zielsprachen & Phänomene

• Monolinguale Systeme: Englisch (EN) und einige andere (europäische, nicht-agglutinierende) Sprachen
• Bilinguale Systeme: Englisch + eine andere Sprache
• Ein mehrsprachiges System mit 3+ Sprachen einschließlich Englisch

Phänomene: Numerale, Zeitangaben, Daten, Preise, Maße, Straßenadressen, Telefonnummern, Flughafen- und Flugcodes, Aktienkurse sowie E-Mail- und Webadressen.

Forschungsfragen

• Ist es möglich, mit der gleichen Genauigkeit wie bei den regelbasierten Grammatiken zu formatieren? (Auf Basis unserer aktuellen Regressionstests)
• Ist das System in der Lage, außerhalb des Rahmens zu denken, z.B. mit falschen/nicht existierenden Telefonnummern umzugehen?
• Wie viel Trainingsdaten werden benötigt?
• Wie gut funktionieren mehrsprachige Systeme?
• Würde es helfen, die Grammatiken an das LLM zu füttern?
• Ist es möglich, das System in zwei Teile zu unterteilen, d.h. das Konzept (z.B. eine französische Telefonnummer) zu identifizieren und die tatsächliche Formatierung?
• Wenn ja, ist es besser, LLMs oder Grammatikregeln für die tatsächliche Formatierung zu verwenden?
• Ist das System in der Lage, mit nicht-standardisierten Eingaben umzugehen, d.h. teilweise formatiertem Text für den Formatter und teilweise normalisiertem Text für den Tokenizer?

Cerence Inc. (Nasdaq: CRNC und www.cerence.com) ist der globale Branchenführer in der Schaffung einzigartiger, bewegender Erlebnisse für die Automobilwelt. Cerence ist ein neues, unabhängiges Unternehmen, das schnell als führend im Bereich der automobilen Sprachassistenten anerkannt wurde und mit allen führenden Automobilherstellern der Welt zusammenarbeitet – von Ford und Fiat Chrysler bis hin zu Daimler, Audi und BMW sowie Geely und SAIC – um zu transformieren, wie sich ein Auto anfühlt, reagiert und lernt. Die Erfolgsbilanz basiert auf mehr als 20 Jahren Branchenerfahrung und -führung sowie mehr als 500 Millionen Fahrzeugen auf der Straße heute in mehr als 70 Sprachen.

Als Cerence in die Zukunft blickt und eine ehrgeizige Wachstumsagenda fortsetzt, benötigen wir jemanden, der dem Team beitritt und hilft, die Zukunft von Sprache und KI in Autos zu gestalten. Dies ist eine aufregende Gelegenheit, Teil des leidenschaftlichen, engagierten, globalen Teams von Cerence zu werden und an bedeutenden Innovationen in einer schnell wachsenden Branche teilzuhaben.

GLEICHE CHANCEN FÜR ALLE

Cerence verpflichtet sich nachdrücklich zur Gleichstellung der Beschäftigung (EEO) und zur Einhaltung aller bundesstaatlichen, staatlichen und lokalen Gesetze, die Diskriminierung bei der Beschäftigung aufgrund von Alter, Rasse, Hautfarbe, Geschlecht, Geschlechtsidentität, Geschlechtsausdruck, Sex, Geschlechterstereotypen, Schwangerschaft, nationaler Herkunft, Abstammung, Religion, körperlicher oder geistiger Behinderung, medizinischem Zustand, Familienstand, Staatsbürgerschaft, sexueller Orientierung, geschütztem Militär- oder Veteranenstatus, genetischen Informationen und anderen geschützten Klassifikationen verbieten.

Alle potenziellen und aktuellen Mitarbeiter müssen wachsam bleiben, wenn es darum geht, Sicherheitsrichtlinien am Arbeitsplatz umzusetzen. Dies umfasst:

• Die Sicherheitsprotokolle und Schulungsprogramme am Arbeitsplatz zu befolgen, um sich mit den Möglichkeiten vertraut zu machen, einen sicheren Arbeitsplatz zu gewährleisten.
• Sicherheitsverfahren zu befolgen, um verdächtige Aktivitäten zu melden.
• Respekt vor den Unternehmenssicherheitsverfahren zu haben, um deren Wirksamkeit zu gewährleisten.
• Die Compliance- und Regulierungsanforderungen des Unternehmens einzuhalten.
• Eine Nulltoleranz gegenüber Gewalt am Arbeitsplatz zu fördern.
• Grundkenntnisse über Informationssicherheit und Datenschutzanforderungen zu haben (z.B. wie man Daten schützt und wie man mit diesen Daten umgeht).
• Nachweisliche Kenntnisse über Informationssicherheit durch interne Schulungsprogramme.