Cos'è il riconoscimento vocale automatico? Spesso abbreviato in ASR, è la tecnologia che identifica automaticamente le parole in un audio parlato, senza che una persona le digiti. Il risultato è testo semplice, a volte con timestamp. L'accuratezza dipende molto dalla qualità della registrazione, dagli accenti e dalla lingua parlata.
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
- I sistemi ASR moderni sono reti neurali addestrate su grandi raccolte di registrazioni abbinate alle loro trascrizioni.
- L'ASR si chiama anche speech-to-text, ovvero da voce a testo; entrambi i nomi descrivono lo stesso passaggio di trasformare il suono in parole scritte.
- I sistemi si confrontano con il tasso di errore sulle parole, un conteggio di parole sbagliate, mancanti ed extra rispetto a un testo di riferimento.
- Passaggi aggiuntivi come punteggiatura, etichette dei parlanti e formattazione dei numeri vengono spesso aggiunti dopo il riconoscimento vero e proprio.
- Lo stesso motore può comportarsi in modo molto diverso con un microfono da studio e con un telefono tenuto dall'altra parte di un tavolo rumoroso.
Che aspetto ha
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"}
]
}
Altro
Vedi l'elenco completo delle lingue, gli strumenti e il glossario.
Domande frequenti
L'ASR è la stessa cosa del speech-to-text?
Sì, nell'uso quotidiano. ASR è il nome tecnico del processo, e da voce a testo è il nome più semplice per lo stesso compito e il suo risultato.
L'ASR capisce il significato?
Non in senso umano. Prevede le parole più probabili per i suoni che sente, quindi può scrivere una parola sbagliata che suona giusta.
Cosa peggiora i risultati dell'ASR?
Rumore di fondo, voci sovrapposte, accenti marcati, microfoni scadenti e nomi rari riducono l'accuratezza. Una registrazione pulita è il singolo aiuto più grande.
Come si misura la qualità dell'ASR?
Soprattutto con il tasso di errore sulle parole, e con il tasso di errore sui caratteri per le lingue scritte senza spazi. Entrambi confrontano l'output con un testo di riferimento umano.
Come uso l'ASR su una registrazione?
Invia il file al bot di Potok su Telegram. Sono accettati messaggi vocali, file audio e video fino a 2 GB, e il testo torna come messaggio o come file.
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
- Word error rate (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