LesskeysPřevod řeči na text: slovníček
Software pro práci s řečí používá spoustu odborných slov a některá z nich znamenají u různých výrobců různé věci. Tato stránka říká, co každé z nich znamená tady.
Slova, která na tomto webu používáme specificky nebo neobvykle, a co znamenají, když je používáme my.
A
- ASR (automatické rozpoznávání řeči)
Obecný název pro software, který převádí řeč na text. Whisper je jedním z takových systémů. „Převod řeči na text“ znamená v běžné řeči totéž.
D
- Diktování
- Mluvení místo psaní, takže se slova objeví v aplikaci, kterou už používáte. Je živé a krátké. Na rozdíl od něj přepis převádí existující nahrávku na text dodatečně.
H
- Klávesová zkratka
Kombinace kláves, která funguje všude, ne jen v jedné aplikaci. Lesskeys ji používá ke spuštění a zastavení diktování, takže kvůli mluvení nikdy nemusíte přepínat okna.
O
- Přímo v zařízení
Práce probíhá na počítači před vámi, ne na serveru nějaké firmy. U kde zpracování probíhá, a proto jde ověřit: vypněte síť a vše dál funguje.Lesskeys to znamená, že nahrávka, model rozpoznávání řeči i hotový text zůstávají ve vašem počítači. Je to tvrzení o tom,
S
- Rozpoznání mluvčích
- Zjišťování, kdo mluvil a kdy, v nahrávce s více než jedním hlasem. Je to samostatný úkol vedle přepisu: přepis se ptá, co bylo řečeno, rozpoznání mluvčích se ptá, kdo to řekl. Spojením obou vznikne přepis se jmény u každé repliky.
- Systémový zvuk
- Zvuk, který přehrává váš počítač, na rozdíl od zvuku, který slyší mikrofon. Nahrávání systémového zvuku spolu s mikrofonem zachytí obě strany hovoru, aniž by se ke schůzce cokoli připojovalo.
T
- Přepis
- Převod už existující nahrávky, třeba hovoru, rozhovoru nebo videa, na psaný text. Na rozdíl od diktování probíhá dodatečně a obvykle se v něm střídá více mluvčích.
V
- Hlasový otisk
Uložené shrnutí toho, jak určitý hlas zní, které slouží k rozpoznání téže osoby napříč nahrávkami. Lesskeys uchovává hlasové otisky ve vašem počítači a nikde jinde.
W
- WER (chybovost slov)
- Způsob měření přesnosti. Počítá slova, která systém určil špatně (nahrazená, vynechaná nebo vložená), jako procento skutečně vyslovených slov. Čím méně, tím lépe; WER 2,5 % znamená zhruba jedno špatné slovo ze čtyřiceti.
Whisper Rodina otevřených modelů rozpoznávání řeči, které běží i na běžném hardwaru, třeba na Macu nebo na počítači s srovnání.Windows . Existují v několika velikostech; větší automaticky neznamená lepší, což ukázalo naše vlastní
Rychlé odpovědi
Co přesně znamená „přímo v zařízení“?
Že zpracování probíhá ve vašem počítači, a ne na serveru nějaké firmy. Praktická zkouška je jednoduchá: vypněte síť. Pokud to dál funguje, jde o zpracování přímo v zařízení.
Je diktování totéž co přepis?
Ne. Diktování probíhá živě: mluvíte a slova se objevují tam, kam píšete. Přepis převádí na text už existující nahrávku, obvykle s více než jedním mluvčím.
Jaká je dobrá chybovost slov?
Záleží na zvuku, a proto je jediné číslo zavádějící. U čisté řeči se nejlepší současné modely pohybují kolem 2–3 %, tedy zhruba jedno slovo ze čtyřiceti je špatně. Náročný zvuk, třeba skákání do řeči, silný přízvuk nebo špatná akustika místnosti, je mnohem těžší pro každý systém.