Article · IA & agents
Rendre un agent vocal agricole plus robuste au bruit
Une pipeline modulaire améliore la transcription de FarmerChat en traitant séparément bruit, locuteur, lexique métier et contrôle qualité.
Le bruit change le sens de la question
Dans un conseil agricole vocal, une erreur sur une culture, un ravageur, un produit ou une quantité peut déformer toute la réponse. Aakash Singh, Lakshmi Pedapudi, Chandrashekar M S, Sanyam Singh, Naga Ganesh et Vineet Singh décrivent les améliorations apportées à FarmerChat, sans modifier le modèle ASR principal.
Une pipeline par défaillance
Le système analyse l'audio, applique une amélioration conditionnelle, diarise les locuteurs et sélectionne la voix de l'agriculteur. Il appelle ensuite l'ASR, corrige avec un lexique agricole pondéré et utilise une barrière de qualité avant de transmettre le texte à l'agent de conseil.
Chaque étape est remplaçable et activée lorsque les preuves le justifient. La conception évite d'ajouter un grand système agentique là où une correction locale suffit.
Résultats rapportés
Sur des enregistrements annotés en hindi, télougou et odia, la pipeline réduit le WER de 16 % à 23 % relativement sur trois ASR cloud et de 5 % sur un modèle embarqué. Le gain atteint 32 % à 42 % sur l'audio multi-locuteur selon les modèles ; toutes les baisses annoncées sont statistiquement significatives.
Interprétation éditoriale : mesurer l'étage qui porte l'erreur
Un agent vocal fiable doit séparer transcription, correction métier, compréhension et réponse. Une amélioration du texte final ne doit pas masquer quel module a changé l'information. Les termes critiques peuvent recevoir une pondération et une vérification supplémentaire avant l'appel du modèle de conseil.
Limites et statut de la source
Le downstream advisory model n'est pas encore mesuré dans le protocole décrit. Les langues et le contexte agricole sont spécifiques au service. Le document est un preprint ArXiv et ne constitue pas un conseil agronomique.
Source
Aakash Singh, Lakshmi Pedapudi, Chandrashekar M S, Sanyam Singh, Naga Ganesh et Vineet Singh, « Model-Agnostic and Language-Agnostic Voice Pipeline Improvement for the Agriculture Domain », ArXiv 2609.20504v1 : résumé et preprint, PDF.