Apa itu pengenalan ucapan otomatis?

Oleh tim PotokDiperbarui ~1 menit baca

Apa itu pengenalan ucapan otomatis? Sering disingkat ASR, ini adalah teknologi yang mengenali kata-kata dalam audio lisan secara otomatis, tanpa diketik manusia. Hasilnya berupa teks biasa, kadang dengan cap waktu. Akurasinya sangat bergantung pada kualitas rekaman, aksen, dan bahasa yang diucapkan.

Transkripsikan rekaman

Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.

Buka @potok_now_bot di Telegram

File hingga 2 GB · ekspor ke TXT, MD, DOCX, PDF, SRT, dan VTT · label pembicara dan stempel waktu · sekitar 30 bahasa

Fakta utama

  • Sistem ASR modern adalah jaringan saraf yang dilatih dengan kumpulan besar rekaman beserta transkripnya.
  • ASR juga disebut speech-to-text; kedua nama menggambarkan langkah yang sama, yaitu mengubah suara menjadi tulisan.
  • Sistem dibandingkan dengan word error rate, hitungan kata yang salah, hilang, dan berlebih terhadap teks acuan.
  • Langkah tambahan seperti tanda baca, label pembicara, dan format angka sering ditambahkan setelah pengenalan itu sendiri.
  • Mesin yang sama bisa berperilaku sangat berbeda pada mikrofon studio dan pada ponsel yang diletakkan di seberang meja yang bising.

Tampilannya

audio  ->  features  ->  acoustic + language model  ->  text

example result:
{
  "text": "the meeting starts at nine",
  "segments": [
    {"start": 0.0, "end": 2.4, "text": "the meeting starts at nine"}
  ]
}

Selengkapnya

Lihat daftar lengkap bahasa, alat, dan glosarium.

Pertanyaan yang sering diajukan

Apakah ASR sama dengan speech-to-text?

Ya, dalam pemakaian sehari-hari. ASR adalah nama teknis untuk prosesnya, sedangkan speech-to-text adalah nama yang lebih sederhana untuk tugas dan hasil yang sama.

Apakah ASR memahami makna?

Tidak seperti manusia. Ia menebak kata yang paling mungkin untuk bunyi yang didengarnya, sehingga bisa menulis kata yang keliru tetapi terdengar mirip.

Apa yang membuat hasil ASR lebih buruk?

Derau latar, suara yang tumpang tindih, aksen kuat, mikrofon buruk, dan nama langka menurunkan akurasi. Rekaman yang bersih adalah bantuan terbesar.

Bagaimana kualitas ASR diukur?

Terutama dengan word error rate, dan dengan character error rate untuk bahasa yang ditulis tanpa spasi. Keduanya membandingkan hasil dengan teks acuan buatan manusia.

Bagaimana cara memakai ASR pada rekaman?

Kirim file ke bot Potok di Telegram. Pesan suara, file audio, dan video hingga 2 GB diterima, dan teksnya kembali sebagai pesan atau file.

Sumber

Setiap sumber dibuka secara manual pada tanggal yang tertera. Halaman bisa berubah, jadi buka sumbernya jika ada detail yang penting bagi Anda.

  1. Speech recognition (Wikipedia), Wikipedia · diperiksa
  2. Word error rate (Wikipedia), Wikipedia · diperiksa

Coba pada rekaman Anda sendiri

Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.

Buka @potok_now_bot di Telegram