LesskeysGlossario del riconoscimento vocale
Il software di riconoscimento vocale usa molti termini specifici, e alcuni hanno significati diversi a seconda del produttore. Questa pagina spiega cosa significa ciascuno qui.
Parole usate in questo sito in modo specifico o insolito, e cosa vogliono dire quando le usiamo noi.
A
- ASR (riconoscimento vocale automatico)
Il nome generico del software che converte il parlato in testo. Whisper è uno di questi sistemi. Nell'uso comune «da voce a testo» significa la stessa cosa.
D
- Dettatura
- Parlare invece di scrivere, così le parole compaiono in qualunque app tu stia già usando. È in diretta e breve. Si distingue dalla trascrizione, che trasforma in testo una registrazione esistente a cose fatte.
H
- Scorciatoia da tastiera
Una combinazione di tasti che funziona ovunque, non solo dentro una singola app. Lesskeys ne usa una per avviare e fermare la dettatura, così non devi mai cambiare finestra per parlare.
O
- In locale
Il lavoro avviene sul computer che hai davanti, non sul server di un'azienda. Per dove avviene l'elaborazione, ed è per questo che si può verificare: disattiva la rete e continua a funzionare.Lesskeys significa che la registrazione, il modello vocale e il testo finito restano tutti sul tuo computer. È un'affermazione su
S
- Identificazione degli interlocutori
- Capire chi ha parlato, e quando, in una registrazione con più voci. È un compito separato dalla trascrizione: la trascrizione risponde alla domanda «cosa è stato detto?», l'identificazione degli interlocutori a «chi lo ha detto?». I due risultati si combinano per produrre una trascrizione con il nome accanto a ogni riga.
- Audio di sistema
- Il suono che il tuo computer sta riproducendo, in contrapposizione a quello che il microfono sente. Registrando l'audio di sistema più il microfono si catturano entrambi i lati di una chiamata, senza che nessuno entri nella riunione.
T
- Trascrizione
- Trasformare in testo scritto una registrazione già esistente, come una chiamata, un'intervista o un video. A differenza della dettatura avviene dopo l'evento e di solito coinvolge più di un interlocutore.
V
- Impronta vocale
Un riepilogo salvato di come suona una certa voce, usato per riconoscere la stessa persona in registrazioni diverse. Lesskeys conserva le impronte vocali sul tuo computer e da nessun'altra parte.
W
- WER (tasso di errore sulle parole)
- Il modo in cui si misura la precisione. Conta le parole sbagliate da un sistema (sostituite, omesse o aggiunte) come percentuale delle parole effettivamente pronunciate. Più è basso, meglio è: un WER del 2,5% significa circa una parola su quaranta sbagliata.
Whisper Una famiglia di modelli aperti di riconoscimento vocale che possono girare su hardware comune, compreso un benchmark.Mac o un PCWindows . Esiste in diverse dimensioni; più grande non vuol dire automaticamente meglio, come ha misurato il nostro
Risposte rapide
Cosa significa davvero «in locale»?
Che l'elaborazione avviene sul tuo computer e non sul server di un'azienda. Il test pratico è semplice: scollega la rete. Se funziona ancora, è in locale.
La dettatura è la stessa cosa della trascrizione?
No. La dettatura è in diretta: parli e le parole compaiono dove stai scrivendo. La trascrizione trasforma in testo una registrazione già esistente, di solito con più di un interlocutore.
Qual è un buon tasso di errore sulle parole?
Dipende dall'audio, ed è per questo che un solo numero inganna. Su un parlato pulito i migliori modelli attuali si attestano intorno al 2–3%, cioè circa una parola su quaranta è sbagliata. L'audio difficile (voci sovrapposte, accenti marcati, una stanza rumorosa) è molto più difficile per qualsiasi sistema.