Ebben a projektben egy mesterséges intelligenciával támogatott hangfelvétel- és videóalapú jegyzetelő rendszert fejlesztettünk sportedzők számára, viszont a fejlesztés során azt tapasztaltuk, hogy a natív beszédfelismerő megoldások platformonként jelentős eltéréseket mutatnak. Míg iOS-en megfelelő pontosságot biztosítottak, Androidon a felismerés megbízhatósága nem volt elegendő olyan helyzetekben, ahol a gyors és pontos jegyzetelés kulcsfontosságú.
A probléma megoldására integráltuk a Deepgram Nova-3 AI-alapú beszédfelismerő szolgáltatását, amely opcionálisan használható a natív megoldások mellett. Ennek köszönhetően a felhasználók természetesen beszélhetnek, miközben a rendszer nagy pontossággal alakítja át a hangfelvételeket strukturált szöveges jegyzetekké.
A Deepgram különösen jól teljesít zajos sportkörnyezetben, hatékonyabban kezeli a sportágspecifikus szakkifejezéseket, valamint a különböző akcentusokat és beszédstílusokat. Az eredmény egy egységesebb és megbízhatóbb felhasználói élmény iOS és Android eszközökön egyaránt.
Az elkészült megoldás lehetővé teszi, hogy az edzők bármilyen eszközről valós időben készítsenek pontos hangalapú jegyzeteket, amelyek azonnal felhasználhatók elemzéshez, teljesítményértékeléshez vagy későbbi visszakereséshez.
Tech stack:
