LesskeysOrdliste for tale til tekst
Taleprogramvare bruker mange spesialord, og noen av dem betyr forskjellige ting hos ulike leverandører. Denne siden sier hva hvert av dem betyr her.
Ord som brukes på dette nettstedet på en bestemt eller uvanlig måte, og hva de betyr når vi bruker dem.
A
- ASR (automatisk talegjenkjenning)
Fellesbetegnelsen på programvare som gjør tale om til tekst. Whisper er ett slikt system. «Tale til tekst» betyr det samme i vanlig språkbruk.
D
- Diktering
- Å snakke i stedet for å skrive, slik at ordene dukker opp i appen du allerede bruker. Det skjer direkte og gjelder korte tekster. Sammenlign med transkripsjon, som gjør et eksisterende opptak om til tekst i etterkant.
H
- Hurtigtast
En tastekombinasjon som virker overalt, ikke bare i én app. Lesskeys bruker en til å starte og stoppe diktering, så du aldri trenger å bytte vindu for å snakke.
O
- På enheten
Arbeidet skjer på datamaskinen foran deg, ikke på et selskaps server. For hvor behandlingen skjer, og derfor kan den kontrolleres: slå av nettverket, så fungerer det fortsatt.Lesskeys betyr det at opptaket, talemodellen og den ferdige teksten blir på datamaskinen din. Det er en påstand om
S
- Talerinndeling
- Å finne ut hvem som snakket, og når, i et opptak med mer enn én stemme. Det er en egen oppgave ved siden av transkripsjon: transkripsjon spør hva som ble sagt, talerinndeling spør hvem som sa det. De to kombineres til en transkripsjon med navn ved hver linje.
- Systemlyd
- Lyden datamaskinen din spiller av, til forskjell fra lyden mikrofonen hører. Når du tar opp systemlyd sammen med mikrofonen, får du med begge sider av en samtale uten at noe deltar i møtet.
T
- Transkripsjon
- Å gjøre et opptak som allerede finnes, for eksempel en samtale, et intervju eller en video, om til skrevet tekst. I motsetning til diktering skjer det i etterkant, og det er vanligvis mer enn én taler involvert.
V
- Stemmeprofil
En lagret oppsummering av hvordan en bestemt stemme høres ut, brukt til å kjenne igjen samme person på tvers av opptak. Lesskeys oppbevarer stemmeprofiler på datamaskinen din og ingen andre steder.
W
- WER (ordfeilrate)
- Slik måles nøyaktighet. Den teller ordene et system tok feil på, altså byttet ut, utelatt eller lagt til, som en prosentandel av ordene som faktisk ble sagt. Lavere er bedre, og en WER på 2,5 % betyr omtrent ett ord av førti som er feil.
Whisper En familie av åpne talegjenkjenningsmodeller som kan kjøre på vanlig maskinvare, også en test målte.Mac eller enWindows . Den finnes i flere størrelser, og større er ikke automatisk bedre, noe vår egen-PC
Raske svar
Hva betyr «på enheten» egentlig?
At behandlingen skjer på din egen datamaskin og ikke på et selskaps server. Den praktiske testen er enkel: slå av nettverket. Hvis det fortsatt fungerer, skjer det på enheten.
Er diktering det samme som transkripsjon?
Nei. Diktering skjer direkte: du snakker, og ordene dukker opp der du skriver. Transkripsjon gjør et opptak som allerede finnes, om til tekst, vanligvis med mer enn én taler.
Hva er en god ordfeilrate?
Det avhenger av lyden, og derfor er ett enkelt tall misvisende. På ren tale ligger de beste modellene i dag rundt 2–3 %, altså omtrent ett ord av førti som er feil. Vanskelig lyd, som folk som snakker i munnen på hverandre, sterke aksenter eller et dårlig rom, er mye vanskeligere for alle systemer.