LesskeysOrdlista för tal till text
Taligenkänningsprogram använder många specialord, och en del av dem betyder olika saker hos olika leverantörer. Den här sidan förklarar vad varje ord betyder här.
Ord som används på den här webbplatsen på ett särskilt eller ovanligt sätt, och vad de betyder när vi använder dem.
A
- ASR (automatisk taligenkänning)
Det allmänna namnet på programvara som omvandlar tal till text. Whisper är ett sådant system. ”Tal till text” betyder samma sak i vardagligt tal.
D
- Diktering
- Att tala i stället för att skriva, så att orden dyker upp i den app du redan använder. Det sker direkt och är kort. Jämför med transkribering, som gör en befintlig inspelning till text i efterhand.
H
- Kortkommando
En tangentkombination som fungerar överallt, inte bara i en enskild app. Lesskeys använder en för att starta och stoppa diktering, så du slipper byta fönster för att tala.
O
- På enheten
Arbetet sker på datorn framför dig, inte på ett företags server. För var bearbetningen sker, och därför går det att kontrollera: stäng av nätverket så fungerar det ändå.Lesskeys betyder det att inspelningen, taligenkänningsmodellen och den färdiga texten stannar på din dator. Det säger
S
- Talarseparering
- Att ta reda på vem som talade, och när, i en inspelning med fler än en röst. Det är ett separat jobb från transkribering: transkribering frågar vad som sades, talarseparering frågar vem som sa det. De två kombineras för att ge ett transkript med namn vid varje rad.
- Systemljud
- Ljudet som datorn spelar upp, till skillnad från det som mikrofonen hör. När du spelar in systemljud plus mikrofon fångas båda sidorna av ett samtal utan att något ansluter till mötet.
T
- Transkribering
- Att göra en befintlig inspelning, till exempel ett samtal, en intervju eller en video, till skriven text. Till skillnad från diktering sker den i efterhand, och den innehåller oftast fler än en talare.
V
- Röstavtryck
En lagrad sammanfattning av hur en viss röst låter, som används för att känna igen samma person i olika inspelningar. Lesskeys sparar röstavtryck på din dator och ingen annanstans.
W
- WER (ordfelsfrekvens)
- Så mäts noggrannhet. Den räknar de ord som ett system fick fel, alltså ersatta, uteslutna eller tillagda, som en andel av de ord som faktiskt sades. Lägre är bättre, och en WER på 2,5 % betyder att ungefär ett ord av fyrtio är fel.
Whisper En familj av öppna taligenkänningsmodeller som kan köras på vanlig hårdvara, bland annat en jämförelse mätte.Mac eller enWindows-dator . Den finns i flera storlekar. Större är inte automatiskt bättre, vilket vår egen
Snabba svar
Vad betyder på enheten egentligen?
Att bearbetningen sker på din egen dator och inte på ett företags server. Det praktiska testet är enkelt: stäng av nätverket. Fungerar det fortfarande körs det på enheten.
Är diktering samma sak som transkribering?
Nej. Diktering sker direkt: du talar och orden dyker upp där du skriver. Transkribering gör en befintlig inspelning till text, oftast med fler än en talare.
Vad är en bra ordfelsfrekvens?
Det beror på ljudet, och därför är en enda siffra missvisande. På tydligt tal ligger de bästa modellerna just nu runt 2–3 %, vilket betyder att ungefär ett ord av fyrtio är fel. Svårt ljud, till exempel personer som talar i mun på varandra, kraftiga accenter eller dålig rumsakustik, är mycket svårare för alla system.