LesskeysГлоссарий: распознавание речи
В программах для работы с речью много специальных слов, и у разных разработчиков они порой означают разное. Эта страница объясняет, что каждое из них значит здесь.
Здесь собраны слова, которые на этом сайте используются в особом или необычном смысле, и объяснено, что они значат у нас.
A
- ASR (автоматическое распознавание речи)
Общее название программ, которые превращают речь в текст. Whisper — одна из таких систем. В обычном употреблении «речь в текст» означает то же самое.
D
- Диктовка
- Говорить вместо того, чтобы печатать: слова появляются в том приложении, в котором вы уже работаете. Это происходит вживую и короткими фразами. Не путайте с расшифровкой, которая превращает готовую запись в текст уже после события.
H
- Горячая клавиша
Сочетание клавиш, которое работает везде, а не только внутри одного приложения. Lesskeys использует его, чтобы начинать и останавливать диктовку, так что переключаться между окнами ради речи не нужно.
O
- На устройстве
Работа выполняется на компьютере, который перед вами, а не на сервере компании. В где происходит обработка, и поэтому его можно проверить: отключите сеть, и всё продолжит работать.Lesskeys это значит, что запись, модель распознавания речи и готовый текст остаются на вашем компьютере. Это утверждение о том,
S
- Разделение по голосам
- Определение того, кто и когда говорил, в записи с несколькими голосами. Это отдельная задача, не то же самое, что расшифровка: расшифровка отвечает на вопрос, что было сказано, а разделение по голосам — кто это сказал. Вместе они дают расшифровку, где у каждой реплики указан говорящий.
- Системный звук
- Звук, который воспроизводит ваш компьютер, в отличие от звука, который слышит микрофон. Запись системного звука вместе с микрофоном охватывает обе стороны звонка, и никто при этом не подключается к встрече.
T
- Расшифровка
- Превращение уже существующей записи — звонка, интервью, видео — в письменный текст. В отличие от диктовки, это происходит после события и обычно связано с несколькими говорящими.
V
- Голосовой отпечаток
Сохранённое краткое описание того, как звучит определённый голос; по нему одного и того же человека узнают в разных записях. Lesskeys хранит голосовые отпечатки на вашем компьютере и больше нигде.
W
- WER (доля ошибочных слов)
- Показатель точности. Он считает слова, в которых система ошиблась — заменила, пропустила или добавила лишнее, — в процентах от слов, действительно произнесённых. Чем меньше, тем лучше, а WER 2,5% означает примерно одно ошибочное слово из сорока.
Whisper Семейство открытых моделей распознавания речи, которые работают на обычном оборудовании, в том числе на тест.Mac и на ПК сWindows . Модели бывают нескольких размеров; больше не значит лучше, что и показал наш собственный
Быстрые ответы
Что на самом деле значит «на устройстве»?
Что обработка идёт на вашем собственном компьютере, а не на сервере компании. Проверить просто: отключите сеть. Если всё продолжает работать, обработка идёт на устройстве.
Диктовка и расшифровка — это одно и то же?
Нет. Диктовка идёт вживую: вы говорите, и слова появляются там, где вы печатаете. Расшифровка превращает уже существующую запись в текст, как правило, с несколькими говорящими.
Какая доля ошибочных слов считается хорошей?
Это зависит от аудио, поэтому одно число вводит в заблуждение. На чистой речи лучшие современные модели ошибаются примерно в 2–3% слов, то есть в среднем одно слово из сорока. Сложное аудио — перебивающие друг друга голоса, сильный акцент, плохая акустика — гораздо труднее для любой системы.