Cos'è l'allucinazione ASR? È il testo che un modello di riconoscimento vocale produce anche se nessuno ha parlato. Il modello riempie un vuoto con una frase plausibile, quasi sempre su silenzio o musica. Le parole si leggono bene, ed è per questo che l'errore sfugge facilmente.
Trascrivi una registrazione
Invia il tuo messaggio vocale, audio o video a @potok_now_bot su Telegram e il testo ti torna nella chat.
Apri @potok_now_bot in Telegram
File fino a 2 GB · esportazione in TXT, MD, DOCX, PDF, SRT e VTT · etichette dei parlanti e marcatori temporali · circa 30 lingue
Punti chiave
- Le righe inventate di solito sono scorrevoli e brevi, quindi superano una lettura veloce e vanno confrontate con l'audio.
- I tratti senza parlato sono l'innesco tipico: una pausa prima dell'inizio di una riunione, un jingle d'apertura o un lungo tono di attesa.
- Frasi ripetute che si ripetono più volte di fila sono un altro segnale che il modello ha perso il filo del suono.
- Tagliare i vuoti da una registrazione prima di trascriverla elimina molte delle occasioni per questo errore.
Che aspetto ha
[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.
Altro
Vedi l'elenco completo delle lingue, gli strumenti e il glossario.
Domande frequenti
Un'allucinazione è lo stesso che una parola capita male?
No. Una parola capita male sostituisce qualcosa che è stato detto. Un'allucinazione aggiunge parole dove non è stato detto nulla, quindi non esiste una fonte parlata con cui confrontarla.
Dove compaiono più spesso le allucinazioni?
Compaiono su silenzio, musica, rumore di fondo e nei secondi di quiete all'inizio o alla fine di un file, dove il modello ha poco parlato reale da seguire.
Come riconosco il testo inventato in una trascrizione?
Riproduci l'audio al timestamp di una riga che sembra fuori posto. Se lì la traccia è silenziosa o contiene solo musica, la riga è probabilmente inventata.
Posso evitarlo del tutto?
Nessuna impostazione elimina il rischio del tutto. Tagliare i silenzi, usare una registrazione pulita e leggere il risultato con l'audio lo riducono, ma un controllo finale resta necessario.
Il bot di Potok controlla questo problema?
Il bot restituisce la trascrizione così come è stata riconosciuta, quindi leggila insieme all'audio, soprattutto attorno a pause e musica. Poi puoi correggere le righe in un file TXT o DOCX esportato.
Fonti
Ogni fonte è stata aperta a mano alla data indicata. Le pagine cambiano, quindi apri la fonte se un dettaglio è importante per te.
- Speech recognition (Wikipedia), Wikipedia · verificata
- Whisper speech recognition system (Wikipedia), Wikipedia · verificata
Provalo sulla tua registrazione
Invia il tuo messaggio vocale, audio o video a @potok_now_bot su Telegram e il testo ti torna nella chat.
Apri @potok_now_bot in Telegram