LesskeysGlosar de voce în text
Programele de recunoaștere vocală folosesc multe cuvinte speciale, iar unele înseamnă lucruri diferite la furnizori diferiți. Această pagină spune ce înseamnă fiecare aici.
A
- ASR (recunoaștere vocală automată)
Numele general al programelor care transformă vorbirea în text. Whisper este un astfel de sistem. „Voce în text” înseamnă același lucru în uz curent.
D
- Dictare
- Vorbești în loc să scrii, iar cuvintele apar în aplicația pe care o folosești deja. Este în direct și de scurtă durată. Se deosebește de transcriere, care transformă o înregistrare existentă în text după eveniment.
H
- Scurtătură de tastatură
O combinație de taste care funcționează peste tot, nu doar într -o singură aplicație.Lesskeys folosește una ca să pornească și să oprească dictarea, așa că nu trebuie să schimbi ferestrele ca să vorbești.
O
- Pe dispozitiv
Prelucrarea se face pe calculatorul din fața ta, nu pe serverul unei companii. Pentru locul unde are loc procesarea, de aceea poate fi verificată: oprește rețeaua și tot funcționează.Lesskeys înseamnă că înregistrarea, modelul vocal și textul final rămân toate pe calculatorul tău. Este o afirmație despre
S
- Separarea vorbitorilor (diarizare)
- Stabilirea cine
a vorbit și când, într -o înregistrare cu mai multe voci. Este o sarcină separată de transcriere: transcrierea întreabă ce s-a spus, separarea vorbitorilor întreabă cine a spus. Cele două se combină pentru a obține o transcriere cu numele vorbitorului la fiecare rând. - Audio de sistem
- Sunetul pe care îl redă calculatorul tău, spre deosebire de cel pe care îl aude microfonul. Înregistrarea audio-ului de sistem împreună cu microfonul surprinde ambele părți ale unui apel, fără ca ceva să intre în ședință.
T
- Transcriere
- Transformarea în text scris a unei înregistrări care există deja: un apel, un interviu, un videoclip. Spre deosebire de dictare, are loc după eveniment și implică de obicei mai mulți vorbitori.
V
- Amprentă vocală
Un rezumat stocat al felului în care sună o anumită voce, folosit pentru a recunoaște aceeași persoană în înregistrări diferite. Lesskeys păstrează amprentele vocale pe calculatorul tău și nicăieri altundeva.
W
- WER (rata de eroare pe cuvânt)
- Modul în care se măsoară acuratețea. Numără cuvintele greșite ale unui sistem, înlocuite, omise sau inserate, ca procent din cuvintele rostite de fapt. Cu cât este mai mică, cu atât mai bine, iar un WER de 2,5% înseamnă aproximativ un cuvânt greșit din patruzeci.
Whisper O familie de modele deschise de recunoaștere vocală care pot rula pe hardware obișnuit, inclusiv pe un testul nostru comparativ.Mac sau pe un PC cuWindows . Vine în mai multe dimensiuni; mai mare nu înseamnă automat mai bun, lucru pe care l-a măsurat
Răspunsuri rapide
Ce înseamnă de fapt „pe dispozitiv”?
Că procesarea are loc pe propriul tău calculator, nu pe serverul unei companii. Testul practic este simplu: oprește rețeaua. Dacă tot funcționează, este pe dispozitiv.
Dictarea este același lucru cu transcrierea?
Nu. Dictarea este în direct: vorbești, iar cuvintele apar acolo unde scrii. Transcrierea transformă în text o înregistrare care există deja, de obicei cu mai mult de un vorbitor.
Care este o rată de eroare pe cuvânt bună?
Depinde de audio, de aceea un singur număr induce în eroare. Pe vorbire curată, cele mai bune modele actuale se situează în jur de 2–3%, adică aproximativ un cuvânt greșit din patruzeci. Audio dificil, cu voci suprapuse, accente puternice sau o cameră cu ecou, este mult mai greu pentru orice sistem.