訓練語音 AI 模型準確識別臨床術語異常困難——藥物名稱和解剖學術語並非日常詞彙，現成的語音系統即使聽起來流暢，也可能漏掉臨床工作流中最重要的詞彙。
NVIDIA 發佈的臨床 ASR 工作流，利用合成資料生成、Agent Skills 和 Nemotron Speech 技術，幫助開發者快速建立領域基準。合成音頻不含受保護的健康資訊，因此團隊可對其進行版本管理、共享和自動化測試，而無需經過耗時的標注流程或 IRB 審批。
該工作流通過 NVIDIA NeMo Data Designer 和 Nemotron Speech 提供資料生成和語音服務，Agent Skills 引導整個流程。開發者可定義一個可重復的臨床語音評估循環：定義目標臨床特徵、創建基準、評估發音風險、測量 ASR 行為、改進模型，並決定下一輪應擴展術語範圍、改進發音還是增加噪聲。
WeChat
Profile