Eğitimin Amacı ve Kapsamı
İnsanlar arası doğal konuşmada sıra değişimi yaklaşık 200–300 milisaniye sürer; sesli bir asistan kullanıcı cümlesinin ortasında düşünmek için duraksadığında sözünü keserse veya yanıt vermek için iki saniye beklerse konuşma ritmi tamamen bozulur. Bu uzmanlık eğitimi, sıra alma (turn-taking) algoritmalarını ve uçtan uca gecikme mühendisliğini ele alır.
Katılımcılar akustik ses aktivitesi tespiti (Silero VAD) ile semantik cümle sonu tahmin modellerini (semantic endpointing) birleştirir; eko iptali, gürültü kaynaklı yanlış barge-in filtreleme, cümle akışı ve speculative execution tekniklerini uygulayarak bir latency ve kalite ölçüm planı üretir.
Kimler Katılmalı?
- Sesli asistan ve çağrı merkezi yapay zekası geliştiren kıdemli mühendisler
- Konuşma işleme (speech), ses sinyali ve gerçek zamanlı sistem geliştiricileri
- Sesli ürün kalitesinden sorumlu teknik liderler
- Ön koşul: Python ve sesli yapay zeka boru hatları (STT/LLM/TTS veya S2S) deneyimi
Kazanımlar
- Sadece sessizlik süresine bakan VAD yerine cümlenin tamamlanıp tamamlanmadığını anlayan semantik endpointing kurmak
- Kullanıcı adres/numara söylerken veya düşünürken asistanın erken araya girmesini önlemek
- Arka plan konuşması, öksürük veya onay kelimelerini ('hı-hı', 'evet') gerçek söz kesmeden (barge-in) ayırmak
- Her aşamanın (VAD, STT, LLM TTFT, TTS TTFB, ağ) milisaniye bütçesini ölçüp darboğazları gidermek
- Spekülatif ön-üretim ve doğal geçiş ifadeleriyle algılanan gecikmeyi düşürmek
Konular
Konuşma Dinamikleri ve Milisaniye Bütçesi
- İnsan konuşmasında sıra alma (turn-taking), duraksama ve örtüşme (overlap) analizi
- Uçtan uca Ses-Ses gecikmesini (Voice-to-Voice Latency) bileşenlerine ayırma
Akustik VAD ve Semantik Endpointing
- Silero VAD eşik ayarları ve salt sessizlik tabanlı kesmenin sınırları
- Transkript ve tonlamadan cümle bitişini tahmin eden hafif turn-detection modelleri
Akıllı Söz Kesme (Barge-In) ve Yanlış Tetikleme Önleme
- Akustik eko iptali (AEC) ve asistanın kendi sesini duymasını engelleme
- Onay ifadeleri (backchanneling) ile gerçek söz kesme niyetini ayırt etme
TTFT / TTFB Optimizasyonu ve Spekülatif Yürütme
- Prompt caching, küçük/hızlı model yönlendirme ve ilk cümleyi erken TTS'e gönderme
- Kullanıcı cümlesi bitmeden olası RAG/API sorgularını spekülatif başlatma
Algılanan Gecikme Tasarımı ve Ölçüm Planı
- Doğal dolgu/geçiş ifadeleri ve beklenti yönetimi
- Kayıtlı çağrılar üzerinde turn-taking hata oranı ve p50/p95 latency kıyaslaması
Bu Kategorideki Diğer Eğitimler
-
Yoğun mizanpajlı belgeleri ve uygulama ekranlarını (GUI) piksel, koordinat ve yapısal ağaç düzeyinde ayrıştırma: OmniParser, Qwen-VL, Docling, UI bileşen tespiti ve ekran-belge birleşik anlama modelleri.
- Canlı Kurs
- 5 modül
-
Görsel, belge, ses ve video işleyen çok modlu sistemler için değerlendirme mühendisliği: OCR/çıkarım metrikleri, grounding IoU, sesli WER/MOS ve sıra alma ölçümü, VLM-as-a-judge ve regresyon boru hatları.
- Canlı Kurs
- 5 modül
-
Metin, görsel, ses ve videoyu birlikte anlayan ve üreten çok modlu yapay zeka modellerine kapsamlı giriş: model aileleri, kurumsal kullanım senaryoları, yetenek sınırları, maliyet/gecikme karşılaştırması ve model seçimi.
- Canlı Kurs
- 5 modül
-
Metin, görsel, ses ve belge girdilerini birleştiren kurumsal uygulamaların uçtan uca tasarımı: medya ön işleme, structured output, hibrit model yönlendirme ve maliyet/gecikme optimizasyonu.
- Canlı Kurs
- 5 modül
-
Karmaşık PDF, fatura, sözleşme, tablo ve formlardan VLM'ler ve modern belge ayrıştırma araçlarıyla yüksek doğruluklu veri çıkarma: mizanpaj anlama, şema doğrulama, kanıt eşleme ve insan onaylı iş akışı.
- Canlı Kurs
- 5 modül
-
Tablo, grafik, diyagram ve görseller içeren kurumsal dokümanlar üzerinde Çok Modlu RAG (Multimodal RAG) mimarisi: görsel-metin indeksleme, ColPali/görüntü embedding'leri, hibrit retrieval ve görsel kanıtlı yanıt üretimi.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
