AIAI Agent Dev Labaiagentdev-lab.com
登录以保存学习记录登录
菜单

AI-103 · LESSON 4

实施文本分析解决方案10–15% · 2 个主题

学习使用语言模型进行文本分析，以及语音解决方案（语音识别、语音合成、翻译）。

4.1使用语言模型进行文本分析

Apply language model text analysis

概念

文本分析可以通过指示大语言模型进行，也可以使用 Azure AI Language 的预构建功能（情绪分析、关键短语提取、命名实体识别、PII 检测、摘要、语言检测）。以固定输出大量处理时适合专用功能，灵活分析适合大语言模型。

原理、步骤

  1. 确定分析目的（情绪、分类、提取、摘要）和输出格式
  2. 常规处理选择 Azure AI Language 的功能，独有的分类选择大语言模型或自定义模型
  3. 使用大语言模型时用 JSON 架构固定输出
  4. 包含 PII 的文档先检测并屏蔽再处理
  5. 用评估数据确认精度

工作中的示例

用情绪分析和关键短语提取汇总客户问卷的自由回答，只把值得关注的回答交给大语言模型详细摘要。

易混淆点、考试注意事项

小测验

Q1. 你希望从咨询邮件中提取“客户名称”“产品名称”和“需求”，并传给后续系统。最合适的输出格式是什么？

  1. 指定了架构的结构化 JSON 输出
  2. 每个项目换行的自由格式文本
  3. 以项目名为标题的 Markdown 表格
  4. 不指定格式的 JSON 模式输出
查看答案和解析

正确答案：A 指定了架构的结构化 JSON 输出

后续需要机器处理时，带架构的结构化输出最便于处理。【其他选项】Markdown 和自由格式难以被后续系统解析。不指定架构的 JSON 模式无法保证字段名和类型一致。

Q2. 你希望在客户反馈中优先处理不满程度高的咨询。哪项功能合适？

  1. 语言检测
  2. 情绪和语气检测
  3. 命名实体识别
  4. 关键短语提取
查看答案和解析

正确答案：B 情绪和语气检测

情绪和语气检测可以用于确定优先级和分派。【其他选项】关键短语和实体是提取内容要素，不反映不满程度。语言检测也无法用于判断优先级。

参考链接

4.2实现语音解决方案

Implement speech solutions

概念

Azure AI Speech 提供语音识别（Speech to Text：实时、批量、说话人分离）、语音合成（Text to Speech：神经语音，用 SSML 调整读法和停顿）以及语音翻译。实时语音对话还可以使用实时语音 API（如 Voice Live）。

原理、步骤

  1. 确定用途（字幕、会议记录、呼叫中心分析、语音应答）
  2. 选择实时还是批量（大量录音用批量转录）
  3. 用短语列表或自定义语音识别提高专业术语的精度
  4. 用 SSML 调整合成的读法和语速
  5. 用说话人分离（diarization）区分发言者

工作中的示例

每晚批量转录呼叫中心录音并分离说话人，再用大语言模型生成摘要和服务评价。

易混淆点、考试注意事项

小测验

Q1. 在制造业专业术语很多的会议录音中，转录错误很多。最合适的改进措施是什么？

  1. 用自定义语音模型改进专业术语的识别
  2. 改用语音翻译，从英文译文确认术语
  3. 降低录音采样率以减小文件
  4. 转录后让大语言模型推测并修正错误
查看答案和解析

正确答案：A 用自定义语音模型改进专业术语的识别

对于行业术语和内部术语，自定义语音模型很有效。【其他选项】事后推测修正无法解决错误原因。改用翻译仍会保留识别错误。降低采样率反而会降低精度。

Q2. 你希望把用日语说的内容，以英语语音传达给海外据点。哪项功能合适？

  1. 仅语音合成
  2. 语音翻译
  3. 语音识别和情绪分析
  4. 文本翻译
查看答案和解析

正确答案：B 语音翻译

语音翻译可以把口语转换为其他语言。【其他选项】语音识别和情绪分析不进行翻译。文本翻译不处理语音的输入输出。仅靠语音合成无法理解日语语音。

参考链接

课程由本站根据公开信息独立编写，不保证与考试内容一致。产品规格可能变化，请在参考链接中确认最新信息。

使用须知（非官方、原创题目、不保证合格）