LesskeysPuheesta tekstiksi -sanasto
Puheohjelmistoissa käytetään paljon erikoissanoja, ja osa niistä tarkoittaa eri valmistajilla eri asioita. Tällä sivulla kerrotaan, mitä kukin tarkoittaa meillä.
Sanat, joita käytämme tällä sivustolla tietyllä tai epätavallisella tavalla, ja mitä ne tarkoittavat meidän käytössämme.
A
- ASR (automaattinen puheentunnistus)
Yleisnimi ohjelmistolle, joka muuntaa puheen tekstiksi. Whisper on yksi tällainen järjestelmä. ”Puheesta tekstiksi” tarkoittaa tavallisessa käytössä samaa.
D
- Sanelu
- Puhumista kirjoittamisen sijaan, niin että sanat ilmestyvät siihen sovellukseen, jota jo käytät. Se tapahtuu heti ja on lyhytkestoista. Vastakohta on litterointi, joka muuttaa olemassa olevan tallenteen tekstiksi jälkikäteen.
H
- Pikanäppäin
Näppäinyhdistelmä, joka toimii kaikkialla, ei vain yhden sovelluksen sisällä. Lesskeys käyttää sellaista sanelun aloittamiseen ja lopettamiseen, joten sinun ei tarvitse vaihtaa ikkunaa, kun haluat puhua.
O
- Laitteella tapahtuva käsittely (on-device)
Työ tehdään edessäsi olevalla tietokoneella, ei yrityksen palvelimella. missä käsittely tapahtuu, minkä vuoksi sen voi tarkistaa: katkaise verkkoyhteys, ja se toimii silti.Lesskeysin kohdalla se tarkoittaa, että tallenne, puheentunnistusmalli ja valmis teksti pysyvät kaikki tietokoneellasi. Se on toteamus siitä,
S
- Puhujien erottelu
- Sen selvittäminen, kuka puhui ja milloin, tallenteessa, jossa on useampi ääni. Se on litteroinnista erillinen tehtävä: litterointi kysyy, mitä sanottiin, puhujien erottelu kysyy, kuka sen sanoi. Yhdessä ne tuottavat litteroinnin, jossa jokaisen rivin edessä on nimi.
- Järjestelmän ääni
- Ääni, jota tietokoneesi toistaa, toisin kuin ääni, jonka mikrofoni kuulee. Kun tallennat järjestelmän äänen ja mikrofonin, puhelun molemmat puolet tulevat talteen ilman, että mikään liittyy kokoukseen.
T
- Litterointi
- Jo olemassa olevan tallenteen – puhelun, haastattelun, videon – muuttaminen kirjoitetuksi tekstiksi. Toisin kuin sanelu, se tapahtuu tapahtuman jälkeen, ja siinä on yleensä useampi puhuja.
V
- Ääniprofiili
Tallennettu yhteenveto siitä, miltä tietty ääni kuulostaa, jonka avulla sama henkilö tunnistetaan eri tallenteissa. Lesskeys säilyttää ääniprofiilit tietokoneellasi eikä missään muualla.
W
- WER (sanavirheprosentti)
- Tapa mitata tarkkuutta. Se laskee järjestelmän väärin menneet sanat – korvatut, puuttuvat tai lisätyt – prosentteina todellisuudessa puhutuista sanoista. Pienempi on parempi, ja WER 2,5 % tarkoittaa, että noin yksi sana neljästäkymmenestä on väärin.
Whisper Avointen puheentunnistusmallien perhe, joka toimii tavallisella laitteistolla, myös Macilla tai vertailumme osoitti.Windows -tietokoneella. Malleja on usean kokoisia, eikä suurempi ole automaattisesti parempi, kuten oma
Pikavastaukset
Mitä laitteella tapahtuva käsittely oikeastaan tarkoittaa?
Sitä, että käsittely tapahtuu omalla tietokoneellasi eikä yrityksen palvelimella. Käytännön testi on yksinkertainen: katkaise verkkoyhteys. Jos se toimii silti, käsittely tapahtuu laitteella.
Onko sanelu sama asia kuin litterointi?
Ei. Sanelu tapahtuu heti: puhut, ja teksti päätyy siihen, mihin kirjoitat. Litterointi muuttaa jo olemassa olevan tallenteen tekstiksi, yleensä sellaisen, jossa puhuu useampi kuin yksi henkilö.
Mikä on hyvä sanavirheprosentti?
Se riippuu äänestä, minkä vuoksi yksittäinen luku johtaa harhaan. Selkeällä puheella parhaiden nykymallien sanavirheprosentti on noin 2–3 %, eli noin yksi sana neljästäkymmenestä on väärin. Vaikea ääni – päällekkäinen puhe, voimakas aksentti, huono huoneakustiikka – on kaikille järjestelmille paljon haastavampaa.