LesskeysOrdliste om tale til tekst
Talesoftware bruger mange særlige ord, og nogle af dem betyder noget forskelligt hos forskellige leverandører. Denne side forklarer, hvad hvert ord betyder her.
Ord, der bruges på dette websted på en bestemt eller usædvanlig måde, og hvad de betyder, når vi bruger dem.
A
- ASR (automatisk talegenkendelse)
Den almindelige betegnelse for software, der omsætter tale til tekst. Whisper er ét sådant system. »Tale til tekst« betyder det samme i daglig tale.
D
- Diktering
- At tale i stedet for at skrive, så ordene dukker op i det program, du allerede bruger. Det sker live og er kort. Sammenlign med transskribering, som omsætter en eksisterende optagelse til tekst bagefter.
H
- Genvej
En tastekombination, der virker overalt og ikke kun i ét program. Lesskeys bruger en til at starte og stoppe diktering, så du aldrig behøver at skifte vindue for at tale.
O
- På enheden
Arbejdet foregår på den computer, du sidder ved, ikke på et selskabs server. For hvor behandlingen sker, og derfor kan den kontrolleres: slå netværket fra, og det virker stadig.Lesskeys betyder det, at optagelsen, talemodellen og den færdige tekst alle bliver på din computer. Det er en påstand om,
S
- Taleradskillelse
- At finde ud af, hvem der talte, og hvornår, i en optagelse med mere end én stemme. Det er en anden opgave end transskribering: transskribering spørger, hvad der blev sagt, taleradskillelse spørger, hvem der sagde det. De to kombineres til en udskrift med navne ud for hver linje.
- Systemlyd
- Den lyd, din computer afspiller, til forskel fra den lyd, din mikrofon opfanger. Når du optager systemlyd plus mikrofonen, får du begge sider af et opkald med, uden at noget deltager i mødet.
T
- Transskribering
- At omsætte en optagelse, der allerede findes (et opkald, et interview, en video), til skrevet tekst. I modsætning til diktering sker det bagefter, og der er som regel mere end én taler.
V
- Stemmeaftryk
Et gemt sammendrag af, hvordan en bestemt stemme lyder, brugt til at genkende den samme person på tværs af forskellige optagelser. Lesskeys opbevarer stemmeaftryk på din computer og ingen andre steder.
W
- WER (ordfejlrate)
- Sådan måles nøjagtighed. Den tæller de ord, et system fik forkert (erstattet, udeladt eller indsat), som en procentdel af de ord, der faktisk blev sagt. Lavere er bedre, og en WER på 2,5 % betyder cirka ét ord ud af fyrre forkert.
Whisper En familie af åbne talegenkendelsesmodeller, der kan køre på almindeligt udstyr, også en benchmark målte.Mac eller enWindows . Den findes i flere størrelser; større er ikke automatisk bedre, hvilket vores eget-pc
Hurtige svar
Hvad betyder »på enheden« egentlig?
At behandlingen sker på din egen computer og ikke på et selskabs server. Testen er enkel: slå netværket fra. Virker det stadig, foregår det på enheden.
Er diktering det samme som transskribering?
Nej. Diktering sker live: du taler, og ordene dukker op, der hvor du skriver. Transskribering gør en eksisterende optagelse til tekst, ofte med mere end én taler.
Hvad er en god ordfejlrate?
Det afhænger af lyden, og derfor er ét enkelt tal misvisende. På ren tale ligger de bedste nuværende modeller omkring 2–3 %, altså cirka ét ord ud af fyrre forkert. Vanskelig lyd, for eksempel folk, der taler i munden på hinanden, kraftige accenter eller et dårligt rum, er langt sværere for alle systemer.