Lesskeys
Bahasa
GlosariumA sampai Z

Glosarium suara ke teks

Singkatnya

Perangkat lunak pengenalan suara memakai banyak istilah khusus, dan sebagian bermakna lain bagi vendor yang berbeda. Halaman ini menjelaskan arti masing-masing di sini.

Kata-kata yang dipakai di situs ini dengan makna tertentu atau tidak biasa, beserta artinya saat kami menggunakannya.

Terakhir diperbarui

A

ASR (pengenalan suara otomatis)
Sebutan umum untuk perangkat lunak yang mengubah ucapan menjadi teks. Whisper adalah salah satu sistem semacam itu. “Suara ke teks” berarti hal yang sama dalam pemakaian sehari-hari.

D

Dikte
Berbicara sebagai ganti mengetik, sehingga kata-katanya muncul di aplikasi apa pun yang sedang Anda pakai. Sifatnya langsung dan singkat. Bandingkan dengan transkripsi, yang mengubah rekaman yang sudah ada menjadi teks setelah kejadiannya.

H

Pintasan
Kombinasi tombol yang berfungsi di mana saja, bukan hanya di dalam satu aplikasi. Lesskeys memakainya untuk memulai dan menghentikan dikte, sehingga Anda tidak perlu berpindah jendela untuk berbicara.

O

Di perangkat
Pekerjaannya berlangsung di komputer yang ada di depan Anda, bukan di server milik perusahaan. Untuk Lesskeys, itu berarti rekaman, model suara, dan teks akhirnya semuanya tetap berada di komputer Anda. Ini pernyataan tentang tempat pemrosesan berlangsung, sehingga bisa diperiksa: matikan jaringan dan aplikasinya tetap berfungsi.

S

Pemisahan pembicara
Mencari tahu siapa yang berbicara, dan kapan, dalam rekaman dengan lebih dari satu suara. Ini pekerjaan terpisah dari transkripsi: transkripsi menanyakan apa yang dikatakan, pemisahan pembicara menanyakan siapa yang mengatakannya. Keduanya digabungkan untuk menghasilkan transkrip dengan nama pembicara di setiap baris.
Audio sistem
Suara yang diputar komputer Anda, berbeda dengan suara yang ditangkap mikrofon. Merekam audio sistem bersama mikrofon menangkap kedua sisi sebuah panggilan tanpa ada yang ikut masuk ke rapat.

T

Transkripsi
Mengubah rekaman yang sudah ada, seperti panggilan, wawancara, atau video, menjadi teks tertulis. Berbeda dari dikte, transkripsi terjadi setelah kejadiannya, dan biasanya melibatkan lebih dari satu pembicara.

V

Profil suara
Ringkasan tersimpan tentang seperti apa bunyi suara tertentu, dipakai untuk mengenali orang yang sama di berbagai rekaman. Lesskeys menyimpan profil suara di komputer Anda dan tidak di tempat lain.

W

WER (tingkat kesalahan kata)
Cara mengukur akurasi. WER menghitung kata yang salah dikenali oleh sebuah sistem, baik yang tertukar, hilang, maupun tertambah, sebagai persentase dari kata yang benar-benar diucapkan. Semakin rendah semakin baik, dan WER 2,5% berarti kira-kira satu dari empat puluh kata salah.
Whisper
Keluarga model pengenalan suara terbuka yang bisa berjalan di perangkat keras biasa, termasuk Mac atau PC Windows. Modelnya hadir dalam beberapa ukuran; yang lebih besar belum tentu lebih baik, dan itulah yang diukur oleh benchmark kami sendiri.

Jawaban singkat

Apa sebenarnya arti di perangkat?

Pemrosesan terjadi di komputer Anda sendiri, bukan di server milik perusahaan. Ujiannya sederhana: matikan jaringan. Jika masih berfungsi, berarti di perangkat.

Apakah dikte sama dengan transkripsi?

Tidak. Dikte bersifat langsung: Anda berbicara dan kata-katanya muncul di tempat Anda mengetik. Transkripsi mengubah rekaman yang sudah ada menjadi teks, biasanya dengan lebih dari satu pembicara di dalamnya.

Berapa word error rate yang tergolong baik?

Tergantung pada audionya, itulah sebabnya satu angka saja bisa menyesatkan. Pada ucapan yang jernih, model terbaik saat ini berada di kisaran 2–3%, artinya kira-kira satu dari empat puluh kata salah. Audio yang sulit, seperti suara yang saling menimpa, aksen yang kental, atau ruangan yang buruk, jauh lebih berat bagi semua sistem.

Baca selanjutnya