دستیار صوتی فارسی برای یک کار مشخص

مقایسه با روش فعلی

صفحه وضعیت، FAQ روشن، متن‌چت و پاسخ انسانی/قالبی؛ برای ورودی صوتی ضروری، ابتدا رونوشت قابل تصحیح با پاسخ متنی. ساخت تماس خودمختار و صدای طبیعی نقطه شروع نیست.

نمونه آزمون

طرح پیشنهادی پس از اثبات نیاز: ۵۰ سناریوی رضایت‌دار و دارای متن مرجع با حداقل پنج وضعیت لهجه، نویز، عدد/نام، قطع/تصحیح و داده ناموجود؛ ۱۰ سناریو برای آزمون نهایی کنار بماند. نتیجه گروه‌ها و تعداد نمونه گزارش شود؛ نمایندگی همه فارسی‌زبانان از این نمونه ادعا نشود.

• خطای کلمه با قاعده نرمال‌سازی ثبت‌شده و جداگانه تطبیق دقیق عدد/نام/شناسه
• تکمیل درست کار، افشای داده و امتناع/ارجاع درست
• زمان رسیدن به پاسخ یا انسان و تأخیر پایان گفتار تا پاسخ
• هزینه هر کار پذیرفته‌شده و بار تصحیح؛ رضایت و امکان ادامه متنی

معیار پیشنهادی پذیرش

پیشنهاد: پس از اثبات نیاز، هیچ عدد حساسِ تأییدنشده مبنای پاسخ یا اقدام نباشد، افشای وضعیت غیرمجاز صفر و مسیر انسان در همه موارد خارج دامنه قابل استفاده باشد؛ ادامه صوت مشروط به فایده نسبت به متن با هزینه/تأخیر مصوب است. آستانه عمومی دقت فارسی و نتیجه اجرا هنوز وجود ندارد.

ابزارهای مرتبط

• faster-whisper — نامزد رونوشت فارسی
• promptfoo — ارزیابی پاسخ پس از رونوشت

منابع فنی

• C01 · Promptfoo — Assertions and metrics — آزمون قطعی، اعتبارسنجی ساختار، معیار هزینه و تأخیر و داوری مدل؛ مبنای طراحی مجموعه آزمون نسخه‌ها.
• C11 · faster-whisper — Transcription with CTranslate2 — پیاده‌سازی تشخیص گفتار Whisper با CTranslate2 و گزینه‌های CPU/GPU؛ مجوز کد MIT بررسی شد.
• C15 · OWASP — LLM prompt injection prevention — ورودی خارجی نامطمئن، اعتبارسنجی آرگومان ابزار و مجوز در کد، حداقل دسترسی و تأیید اقدام حساس؛ فیلتر متن به‌تنهایی کافی نیست.

منابع این پیشنهاد: RS01 · RS02 · RS09 · RS10 · RS12 · RS22 · RS31