Speech Recognition Engineer, Xiulan AI skill by KissMySkills, cover
What's inside the Speech Recognition Engineer, Xiulan AI skill: Model evaluation, Reproducible pipeline, Failure mode notes, Deployment checklist
How the Speech Recognition Engineer, Xiulan AI skill works in three steps: download, drop it into your AI chat, done
The Speech Recognition Engineer, Xiulan AI skill works with Claude, ChatGPT, Gemini and any AI chat, 30-day money-back guarantee

File skillSkill di Claude per team dati e IA

Skill AI di ingegnera del riconoscimento vocale - Xiulan

Sei Xiulan, un'ingegnera senior di machine learning per voce e audio che costruisce un set di valutazione stratificato prima ancora…

$9· un file, resta tuo

Resta tuo · download immediato

All-in-one

Oppure tutti, $6.99/mese

Xiulan e altri 2.500+ specialisti, nella tua IA. Chiedi chiunque per nome.

Abbonati · $6.99/mese

7 giorni gratis, poi $6.99/mese · disdici quando vuoi

  • Visa
  • Mastercard
  • American Express
  • Apple Pay

Rimborso entro 30 giorni · pagamento sicuro con Stripe

Leggi le prime righe
# Xiulan - Speech & Audio ML Engineer

## Chi è Xiulan
Inserisci Xiulan in Claude e ottieni una Senior Speech and Audio ML Engineer che gestisce l'intera modalità audio: dal microfono, dal codec e dalla frequenza di campionamento, passando per il rilevamento dell'attività vocale e la diarizzazione, fino a una trascrizione abbastanza accurata da permettere a un'azienda di agire. Non inizia scegliendo un modello. Inizia costruendo un set di valutazione stratificato per accento, dialetto, condizione di rumore e canale, misurando il tasso di errore sulle parole all'interno di ogni strato e mostrando al cliente il sottogruppo che il suo numero aggregato nascondeva. Ogni raccomandazione che formula è accompagnata da un prima e dopo misurato sullo stesso set.

Il suo ambito comprende l'ASR (Whisper e i suoi successori, faster-whisper e WhisperX, wav2vec2 e HuBERT, Conformer e transducer RNN-T, NVIDIA NeMo, Kaldi e gli stack legacy k2/icefall), le strategie di decodifica (greedy rispetto a beam, streaming a chunk e lookahead rispetto a offline, shallow fusion e biasing WFST), l'adattamento al dominio (initial prompt, elenchi di hotword, LoRA e fine-tuning completo, dati sintetici), il lavoro sui parlanti (diarizzazione pyannote, embedding dei parlanti ECAPA-TDNN e x-vector, DER e JER), l'elaborazione del segnale nel front-end (ricampionamento, filtraggio passa-alto, AGC, RNNoise e DeepFilterNet, AEC WebRTC, separazione dei canali stereo, separazione delle sorgenti), il riconoscimento di parole chiave e wake word con dispositivi a risorse ridotte, la classificazione di eventi audio con YAMNet, PANNs e AST, l'audio generativo (motori TTS, vocoder neurali, clonazione della voce, watermarking) e l'infrastruttura in tempo reale che collega tutto: acquisizione SIP e WebRTC, suddivisione in chunk, rilevamento degli endpoint, stabilizzazione delle ipotesi parziali e budget di latenza in millisecondi.

## Come lavora Xiulan
1. **Costruisce il set di valutazione stratificato prima di toccare un modello.** Si rifiuta di ottimizzare rispetto a un WER aggregato. Il primo risultato è sempre un set messo da parte con strati dichiarati: gruppo di accento e dialetto, condizione di rumore, canale (stereo separato rispetto a mono miscelato, wideband rispetto alla telefonia a 8 kHz) e stile di eloquio. Lo strato minimo praticabile comprende all'incirca da 30 a 50 parlanti distinti e da 2 a 3 ore di audio; altrimenti il numero per sottogruppo è rumore.
2. **Riporta il WER per sottogruppo con intervalli di confidenza, mai come un unico numero.** Un WER aggregato del 12 percento nasconde regolarmente un sottogruppo al 26 percento. Pubblica una tabella per strato con intervalli di confidenza bootstrap al 95 percento, il sottogruppo peggiore e il rapporto tra il divario del sottogruppo peggiore e l'aggregato. Se uno strato è troppo piccolo per essere riportato, lo dichiara invece di eliminarne l'effetto con lo smoothing.
3. **Scompone gli errori prima di proporre una soluzione.** Sostituzioni, inserimenti e cancellazioni indicano cause diverse: le cancellazioni si concentrano intorno al clipping del VAD e ---

File skill · 239 righe · le prime 11 mostrate

Come funziona

  1. Compra o abbonatiAggiungi il file al carrello a $9 e resta tuo. Oppure abbonati: tutti i file del negozio a $6.99/mese.
  2. Aprilo nella tua IAScarica il file e aggiungilo a Claude (Settings → Capabilities → Skills → Upload) oppure incollalo in un progetto ChatGPT. Gli abbonati invece collegano la loro IA una sola volta:

    Claude

    La chat IA di Anthropic, sul web, sul desktop e sul telefono · circa 3 minuti

    Funziona con ogni piano Claude, Free incluso.

    • Piano Team o Enterprise: il proprietario del workspace lo aggiunge una volta in Organization settings, poi tutti cliccano Connect.
    • Non succede nulla quando clicchi Connect? Consenti i pop-up per claude.ai e riprova.

    Da telefono? Configuralo una volta su un computer. Poi compare da solo nell’app Claude per telefono. Mandami il link via email

    Dopo aver comprato un file
    1. Scarica il tuo file .skill dall’e-mail dell’ordine o dal tuo account.

    2. In Claude, attiva l’esecuzione del codice in Settings › Capabilities, poi vai su Customize › Skills › + › Create skill › Upload a skill.

    3. Apri una nuova chat e chiedi lo specialista per nome.

  3. Chiedilo per nomeAvvia una chat e chiedi Skill AI di ingegnera del riconoscimento vocale per nome. Funziona come quello specialista fin dal primo messaggio.

Cosa c’è dentro

  • xiulan-speech-audio-ml-engineer.skillFile skill · 239 righe · download immediato
  • Ottimizzazione dell'ASR: adattamento al dominio, vocabolario personalizzato, biasing
  • WER misurato in base all'accento, alle condizioni di rumore e al parlante, non come dato principale
  • Diarizzazione, identificazione del parlante, VAD e separazione dei canali
  • Pipeline di streaming, budget di latenza, TTS e limiti del consenso

Cosa farà la tua IA

Vedi un esempio reale
Tu chiedi

La precisione della nostra trascrizione sembra buona sulla carta, ma gli operatori dicono che è inutilizzabile. Scopri perché.

La tua IA risponde

Xiulan restituisce una scomposizione del WER per accento, condizione di rumore, canale e parlante, rivelando ciò che il dato principale nascondeva, una correzione per il preprocessing e la separazione dei canali, un piano di adattamento al dominio e di biasing contestuale con miglioramenti misurati, un’architettura di diarizzazione, un budget di latenza per lo streaming e una dichiarazione esplicita dei gruppi di utenti ancora poco serviti.

// faq

Domande prima di acquistare

Cosa fa la skill Xiulan?+

Porta in produzione sistemi vocali affidabili: ottimizza l'ASR per il tuo dominio, misura il WER in base all'accento e alle condizioni e rispetta il budget di latenza. Caricala una volta in Claude Projects e otterrai un Speech & Audio ML Engineer configurato, senza dover rispiegare il contesto all'inizio di ogni sessione. Verifica ogni numero confrontandolo con una fonte attendibile e un holdout onesto prima che qualcuno prenda decisioni basandosi su di esso, ed esplicita l'incertezza invece di fornire una singola stima puntuale apparentemente certa.

Come installo questo file skill?+

Scarica il pacchetto .skill (contiene SKILL.md), incolla il contenuto nelle Istruzioni di Claude Projects o nel prompt di sistema della tua AI, aggiungi il tuo contesto e avvia la prima sessione. Funziona con Claude, ChatGPT o qualsiasi chat AI che accetti prompt di sistema.

Con quali strumenti di AI funziona questa skill?+

Funziona con Claude (consigliato), ChatGPT, Gemini, Perplexity e Copilot, oltre che con qualsiasi chat AI che accetti prompt di sistema. Claude Projects offre i risultati migliori.

Cosa include questo download?+

Un pacchetto .skill consegnato istantaneamente dopo l'acquisto: la configurazione completa del ruolo in SKILL.md, più un file con un esempio svolto e uno scenario reale, così puoi valutare la qualità prima di farci affidamento. Nessun abbonamento: è tuo per sempre.

Come lo apro?+

Scarica il file .skill dall’e-mail dell’ordine o dal tuo account. In Claude, attiva l’esecuzione del codice in Settings › Capabilities, poi vai su Customize › Skills › + › Create skill › Upload a skill. Apri una nuova chat e chiedi lo specialista per nome.

Usi ChatGPT, Gemini o un’altra IA? Come funziona