Was ist eine ASR-Halluzination? Es ist Text, den ein Spracherkennungsmodell erzeugt, obwohl niemand gesprochen hat. Das Modell füllt eine Lücke mit einer plausiblen Phrase, meist bei Stille oder Musik. Die Wörter lesen sich gut, deshalb übersieht man den Fehler leicht.
Aufnahme transkribieren
Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.
@potok_now_bot in Telegram öffnen
Dateien bis 2 GB · Export als TXT, MD, DOCX, PDF, SRT und VTT · Sprecherkennzeichnung und Zeitmarken · rund 30 Sprachen
Wichtige Fakten
- Die erfundenen Zeilen sind meist flüssig und kurz, sie bestehen also einen schnellen Blick und müssen mit dem Audio verglichen werden.
- Typische Auslöser sind Abschnitte ohne Sprache: eine Pause vor Beginn einer Besprechung, ein Intro-Jingle oder ein langer Warteton.
- Wiederholte Phrasen, die sich mehrfach hintereinander schleifen, sind ein weiteres Zeichen dafür, dass das Modell den Faden verloren hat.
- Wenn Sie vor dem Transkribieren die Leerlaufstellen aus einer Aufnahme schneiden, entfallen viele Einfallstore für diesen Fehler.
So sieht es aus
[00:00:00 --> 00:00:04] Welcome to the weekly review.
[00:00:04 --> 00:00:19] (music only in the recording)
[00:00:19 --> 00:00:23] Thank you for watching. <-- invented line, nobody said it
[00:00:23 --> 00:00:30] Let's start with the budget.
Mehr
Sehen Sie sich die vollständige Liste der Sprachen, die Werkzeuge und das Glossar an.
Häufige Fragen
Ist eine Halluzination dasselbe wie ein falsch verstandenes Wort?
Nein. Ein falsch verstandenes Wort ersetzt etwas, das gesagt wurde. Eine Halluzination fügt Wörter hinzu, wo nichts gesagt wurde. Es gibt also keine gesprochene Quelle zum Vergleichen.
Wo treten Halluzinationen am häufigsten auf?
Bei Stille, Musik, Hintergrundbrummen und in den leisen Sekunden am Anfang oder Ende einer Datei, wo das Modell kaum echte Sprache zum Folgen hat.
Wie erkenne ich erfundenen Text in einem Transkript?
Spielen Sie das Audio an der Zeitmarke einer auffälligen Zeile ab. Ist die Spur dort leise oder enthält nur Musik, wurde die Zeile wahrscheinlich erfunden.
Lässt sich das ganz verhindern?
Keine Einstellung beseitigt das Risiko vollständig. Stille kürzen, saubere Aufnahmen nutzen und das Ergebnis gegen das Audio lesen verringern es, eine Endkontrolle bleibt aber nötig.
Prüft der Bot von Potok das?
Der Bot liefert das Transkript so, wie es erkannt wurde. Lesen Sie es daher mit dem Audio, besonders bei Pausen und Musik. Zeilen können Sie dann in einer exportierten TXT- oder DOCX-Datei korrigieren.
Quellen
Jede Quelle wurde am angegebenen Datum von Hand geöffnet. Seiten ändern sich, öffnen Sie die Quelle also, wenn Ihnen ein Detail wichtig ist.
- Speech recognition (Wikipedia), Wikipedia · geprüft
- Whisper speech recognition system (Wikipedia), Wikipedia · geprüft
Probieren Sie es mit Ihrer eigenen Aufnahme aus
Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.
@potok_now_bot in Telegram öffnen