Lesskeys
Limbă
GhidMac și WindowsMacWindows

Când Whisper se oprește prea devreme și spune că a terminat

Răspuns scurt

Un model Whisper se poate opri la jumătatea unei înregistrări și să raporteze totuși succes: 10 din 143 de rulări din testul nostru au făcut asta. Compararea cantității de transcriere revenite cu durata sunetului îl depistează, fără transcriere de referință.

Descarcă pentru MacDescarcă pentru Windows
Alte descărcări

macOS 13+ pe Apple Silicon · Fără abonamentWindows 10 și 11 · Fără abonament

Ultima verificare:

Ilustrație a rezultatului real. O fereastră de transcriere arată cea mai slabă rulare din testul nostru, norvegiana: bara sunetului este plină, bara transcrierii se oprește la 22% (113 din 521 de cuvinte), iar starea scrie în continuare COMPLETED. Dedesubt, 143 de pătrate, câte unul pentru fiecare rulare: 10 sunt roșii, rulările care s-au oprit prea devreme.
Cea mai slabă rulare din matrice, desenată din date. Fiecare pătrat este o rulare, în ordinea fișierului de rezultate; 10 din 143 sunt roșii.

Ce este

Ce este trunchierea silențioasă

Textul pe care l-a produs era corect. Pur și simplu s-a oprit, iar fluxul a spus că a terminat.

Un model de recunoaștere vocală poate returna cuvintele greșite sau se poate opri la jumătate și poate livra o transcriere corectă a primei părți ca și cum ar fi gata. În cea mai slabă rulare a noastră, norvegiana, a returnat 113 din 521 de cuvinte de referință după 30 de minute de calcul și s-a oprit după 9 segmente. Fluxul nostru a înregistrat acea rulare ca COMPLETED: fără eroare, fără avertisment, fără indicator de rezultat parțial.

  • 10 din 143rulări oprite prea devreme
  • 22%din sunet în cea mai slabă rulare
  • 9 din 10pe cele două fișiere large-v3

Care rulări

Care limbi s-au oprit prea devreme

9 din cele 10 sunt pe cele două fișiere large-v3.

Acoperirea este lungimea transcrierii împărțită la lungimea referinței: 1,00 înseamnă o transcriere completă. Fiecare bară este o rulare trunchiată; linia întreruptă este pragul de 0,80.

Large V3: 5 din 28 de rulări

  • Norvegiană0,22
  • Malaeză0,32
  • Vietnameză0,34
  • Coreeană0,40
  • Olandeză0,74

Large V3 Q5: 4 din 28 de rulări

  • Cehă0,22
  • Portugheză (Brazilia)0,35
  • Vietnameză0,37
  • Malaeză0,75

Large V3 Turbo Q5: 1 din 29 de rulări

  • Hindi†0,72

Hindi: o rezervă privind scorul

† Aceasta este rularea modelului implicit: 886 de unități față de o referință de 1.237, aceeași numărătoare umflată pe care o numește corecția din Acuratețea Whisper în 29 de limbi (hindi: 1.237 de unități față de 683 de cuvinte reale, de la un evaluator care rupea cuvintele la semnele combinate), deci 0,72 absolut nu este de încredere. Dar cei doi frați turbo au obținut 1.288 și 1.242 de unități față de aceeași referință (acoperire 1,04 și 1,00), așa că rularea modelului implicit a fost cu 29 până la 31 la sută mai scurtă decât ale lor. Cea mai probabilă interpretare este o trunchiere reală, cum o consemnează și nota proprie a rulării. A rulat în partea de 12 GB a matricei (vezi limitele de mai jos).

Scurt, niciodată lung

Fiecare celulă extremă din această matrice este scurtă, niciodată lungă. Nicio rulare din 143 nu și-a depășit referința cu mai mult de jumătate. Este semnul opus față de eșecul prin bucle de repetiții, în care un model se blochează și emite aceeași frază minute întregi, dând o acoperire de cinci ori referința sau mai mult. Ambele sunt catastrofale și ambele sunt invizibile la o verificare prin sondaj, dar se pot deosebi după semnul aceleiași cifre, ceea ce permite unei singure verificări să le prindă pe amândouă.

Depistează-l

Depistează-l fără referință

Compară cât de multă transcriere a revenit cu cât a durat sunetul.

Rata de erori pe cuvânt cere o transcriere de referință, pe care în producție nu o ai niciodată. Acoperirea nu. În această matrice, cele două populații se separă clar:

Rulări trunchiate și sănătoase în această matrice
CeRulăriAcoperire medieRata medie de eroare
Trunchiate100,4465,90%
Sănătoase1331,0112,10%

Pragul de 0,80 nu este ajustat după date: cea mai mare acoperire dintre rulările trunchiate este 0,75, iar cea mai mică dintre cele sănătoase este 0,82, deci orice prag din acel interval gol dă același răspuns. În producție: compară marcajul de timp al ultimului segment returnat cu durata fișierului, pe calculatorul utilizatorului, fără nimic cu care să compari.

Rata de eroare

Trunchierea umflă rata de eroare

Large V3 are în medie 24,64% în 28 de limbi; fără cele 5 rulări trunchiate, 15,25%.

Cam 9,4 puncte din rata lui de eroare nu înseamnă că modelul aude greșit. Înseamnă că modelul nu este acolo.

Chiar și fără trunchiere, Large V3 nu ajunge din urmă modelul turbo mai mic

Chiar și cu trunchierea exclusă, Large V3 nu ajunge din urmă cuantizarea turbo de 834 MB, care are în medie 9,16% în toate cele 29 de limbi și nu a trunchiat nici măcar o dată. Pe cele 28 de limbi pe care le au în comun toate cele trei rulări turbo (hindi lăsat deoparte), mediile sunt Q8 8,59%, cel implicit 8,71% și turbo de 1,6 GB 8,80%, la cel mult 0,2 puncte unul de altul, deci cea mai mare parte a diferenței din titlu este un singur rând hindi. Dimensiunea nu a prezis aici fiabilitatea și nici acuratețea.

Pe un Mac

Ce înseamnă pentru modelele pe care le oferă Lesskeys

Ambele fișiere large-v3 sunt în selectorul de modele al versiunii din App Store aflate la vânzare (3.1.4) și adună 9 din cele 10 rulări trunchiate.

În acea versiune nu există nicio verificare de acoperire. Verificarea descrisă mai sus este o propunere pentru ea, nu o funcție livrată.

Stadiu la 15 octombrie 2026, pentru versiunea din App Store aflată la vânzare (3.1.4)

Spus pe față, pentru că este motivul pentru care merită publicată această pagină, nu arhivată:

  • Ambele artefacte large-v3 sunt oferite în selectorul de modele Lesskeys și adună 9 din cele 10 rulări trunchiate. Un utilizator care gândește „descărcare mai mare, rezultat mai bun” alege cea mai puțin fiabilă opțiune din listă.
  • Cuantizarea de 834 MB, cu cea mai mică eroare medie (diferența față de celelalte rulări turbo vine în mare parte dintr-un singur rând hindi) și zero trunchieri, nu este în selectorul acelei versiuni. A fost accesibilă în acest test doar pentru că directorul de modele este scanat la pornire.
  • Modelul implicit (547 MB) a trunchiat o dată în 29 de limbi, la hindi (cel mai probabil o trunchiere reală; vezi nota de sub lista de acoperire). Acea rulare și rularea Large V3 Q5 pentru cehă au avut loc ambele în partea de 12 GB a matricei, cu puțină memorie în plus (vezi limitele).
  • Nu există nicio verificare de acoperire în acea versiune. Verificarea descrisă mai sus este o propunere pentru ea, nu o funcție livrată. Când va fi livrată, această secțiune va fi rescrisă, nu ștearsă pe tăcute.

Pe Windows

Ce înseamnă pe Windows

Testul a fost rulat în aplicația pentru Mac. Aplicația pentru Windows nu a făcut parte din el.

Când etichetele de vorbitor sunt activate, Lesskeys pe Windows are o plasă de siguranță pentru o transcriere care revine goală dintr-un fișier cu vorbire în el: decodează fișierul din nou, fără marcaje de timp. Nu are nicio verificare pentru o transcriere care se oprește la jumătate, adică cazul de pe această pagină. Pe un fișier lung, citește ultimele rânduri ale transcrierii față de sunet și verifică dacă sfârșitul transcrierii se potrivește cu sfârșitul înregistrării.

Datele

Metoda, tabelul și limitele

Cum au fost făcute rulările și ce nu îți pot spune, restrânse.

Cum a fost măsurată trunchierea

5 artefacte Whisper din familia large-v3, în 29 de limbi, 143 din 145 de celule. Sunetul este FLEURS cu volum normalizat, fără cifre în text (vorbire citită, cu transcrieri de referință publicate), cu aproximativ 460 până la 2.520 de unități pe limbă.

Fiecare rulare a trecut prin aplicația livrată, pe o mașină virtuală cu macOS Sequoia, nu prin whisper-cli. Contează: detectarea activității vocale, filtrul de halucinații, normalizarea volumului și restrângerea limbii au fost toate în flux, exact cum le-ar avea un utilizator. Limba a fost forțată la fiecare rulare și respectată în toate cele 143 de celule; modelul încărcat efectiv a corespuns celui cerut în toate cele 143. Cele două celule absente sunt hindi pe ambele artefacte large-v3, care nu s-au terminat deloc.

Cele cinci modele: dimensiune, eroare medie, rulări trunchiate

Cinci artefacte Whisper din familia large-v3 în 29 de limbi (rândurile fără nicio rulare trunchiată sunt evidențiate)

ModelDimensiuneLimbiEroare medieMedianăRulări trunchiate
Large V3 Turbo Q8 ● nu e în selector834 MB299,16%6,80%niciuna
Large V3 Turbo1,6 GB299,52%7,23%niciuna
Large V3 Turbo Q5 ● modelul implicit livrat547 MB299,99%7,81%1 din 29
Large V33 GB2824,64%15,80%5 din 28
Large V3 Q51,0 GB2826,66%18,66%4 din 28
Limitele acestui test
  • Vorbire citită, nu ședințe. FLEURS este proză înregistrată curat. Sunetul conversațional și cu suprapuneri este mult mai greu, iar aceste rate nu trebuie citite ca ceea ce ai obține pe un apel real.
  • O singură trecere pe celulă. 143 de celule, câte o rulare. Trunchierea a fost reproductibilă pe cele două artefacte large-v3 și în două investigații separate, dar această matrice nu stabilește o rată; stabilește că se întâmplă.
  • O singură mașină, două dimensiuni de memorie. Celulele au rulat pe o singură mașină virtuală Apple Silicon a cărei memorie a fost de 12 GB pentru primele 33 de celule și de 24 GB pentru restul; toate cele 29 de celule ale modelului implicit și primele patru celule Large V3 Q5 (arabă, cehă, daneză, germană) au rulat în partea de 12 GB. Două rulări trunchiate se află în ea: hindi pe modelul implicit (241 MB de memorie disponibilă în punctul cel mai scăzut) și cehă pe Large V3 Q5 (60 MB). Orice altă rulare trunchiată a avut peste 6.000 MB disponibili. Memoria redusă ar fi putut contribui la acele două, iar această matrice nu poate separa asta de model. Decodarea a fost lăsată la valorile implicite ale aplicației pentru calea fișierelor, nu la cele ale instrumentului în linie de comandă.
  • Ratele absolute includ o oarecare umflare din alegerile de normalizare a punctuației și a majusculelor. Comparațiile dintre modele sunt partea care contează, nu procentele absolute.

De data aceasta transcrierile au fost păstrate. Într-un test anterior au fost suprascrise de pasul de configurare al rulării următoare, iar trunchierea trebuia dedusă din numărul de cuvinte, și tocmai de aceea a rămas neobservată atât de mult timp. „Rată de eroare mai slabă” și „oprit prea devreme” arată la fel într-un tabel de rezultate.

Întrebări

Întrebări despre oprirea prea devreme a Whisper

Ce este trunchierea silențioasă în recunoașterea vocală?

Un model returnează o transcriere care acoperă doar o parte din sunet, iar fluxul din jur raportează succes. Textul prezent este de obicei corect, așa că nimic nu pare greșit până când cineva compară transcrierea cu înregistrarea. În această matrice a afectat 10 din 143 de rulări, 9 dintre ele pe cele două artefacte large-v3.

Cum depistez o transcriere trunchiată fără referință?

Compară ce a revenit cu ce a intrat: marcajul de timp de final al ultimului segment față de durata fișierului audio sau lungimea transcrierii față de lungimea așteptată. Niciuna nu cere o transcriere de referință, ceea ce face verificarea utilizabilă în producție. În aceste date, rulările trunchiate au avut în medie o acoperire de 0,44, față de 1,01 pentru cele sănătoase.

Un model Whisper mai mare dă rezultate mai bune?

Nu în această matrice. Cele mai mari două artefacte au avut cele mai mari rate medii de eroare și au adunat 9 din cele 10 rulări trunchiate, în timp ce o cuantizare de 834 MB a modelului turbo a avut cea mai mică medie (9,16%, la cel mult 0,2 puncte de celelalte rulări turbo, dacă lăsăm hindi deoparte) și nu a trunchiat niciodată. Dimensiunea descărcării nu a prezis aici nici acuratețea, nici fiabilitatea.

Este o eroare în Whisper sau în aplicație?

Nedeterminat, iar pagina nu pretinde că știe. Ce este măsurat este că fenomenul apare și că fluxul din jur nu l-a observat. Verificarea de acoperire propusă este o măsură de atenuare la nivelul aplicației, adică nivelul pe care îl controlăm; nu diagnostichează cauza de fond.

Mai mult

Citește în continuare

Acuratețea Whisper în 29 de limbiAceleași modele, testate în afara limbii engleze.CiteșteCe model Whisper să rulezi pe un MacAcuratețe, viteză și dimensiune de descărcare, comparate.CiteșteWhisper pe MacRularea Whisper pe WindowsFolosește recunoașterea vocală Whisper offline pe Mac-ul tău: instalezi o aplicație, dictezi sau adaugi un fișier, iar nimic nu se încarcă.Folosește recunoașterea vocală Whisper offline pe PC-ul cu Windows: instalezi o aplicație, dictezi sau adaugi un fișier, iar nimic nu se încarcă.CiteșteCum funcționează transcrierea localăCe se întâmplă între vocea ta și textul de pe calculator, pas cu pas, și ce mai are nevoie de internet.CiteșteAudio în textConvertește fișiere audio și video în text pe propriul calculator: pașii, tipurile de fișiere, etichetele de vorbitor și limitele.Citește
Toate ghidurileLesskeys, pagina principală