O que é alucinação de ASR? É o texto que um modelo de reconhecimento de fala produz sem que ninguém tenha falado. O modelo preenche uma lacuna com uma frase plausível, quase sempre sobre silêncio ou música. As palavras parecem corretas, e por isso o erro passa fácil.
Transcreva uma gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram
Arquivos de até 2 GB · exportação em TXT, MD, DOCX, PDF, SRT e VTT · identificação de falantes e marcação de tempo · cerca de 30 idiomas
Pontos principais
- As frases inventadas costumam ser fluentes e curtas, então passam numa leitura rápida e só aparecem quando você compara com o áudio.
- Trechos sem fala são o gatilho típico: a pausa antes de uma reunião começar, a vinheta de abertura ou um longo sinal de espera.
- Frases repetidas várias vezes seguidas são outro sinal de que o modelo se perdeu no som.
- Cortar o silêncio de uma gravação antes de transcrever elimina muitas das brechas para esse erro.
Como fica
[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.
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Alucinação é o mesmo que uma palavra ouvida errado?
Não. Uma palavra ouvida errado substitui algo que foi dito. A alucinação acrescenta palavras onde nada foi dito, então não existe uma fala original para comparar.
Onde as alucinações aparecem com mais frequência?
No silêncio, na música, no zumbido de fundo e nos segundos calmos do começo ou do fim do arquivo, quando o modelo tem pouca fala real para seguir.
Como encontrar texto inventado em uma transcrição?
Ouça o áudio no horário de qualquer linha que pareça fora do lugar. Se o trecho estiver quieto ou só tiver música, a linha provavelmente foi inventada.
Dá para evitar totalmente?
Nenhuma configuração elimina o risco por completo. Cortar o silêncio, usar uma gravação limpa e ler o resultado com o áudio ajudam, mas a conferência final continua necessária.
O bot do Potok verifica isso?
O bot devolve a transcrição como foi reconhecida, então leia junto com o áudio, principalmente perto de pausas e músicas. Depois você pode corrigir as linhas em um arquivo TXT ou DOCX exportado.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Speech recognition (Wikipedia), Wikipedia · verificado em
- Whisper speech recognition system (Wikipedia), Wikipedia · verificado em
Teste com a sua própria gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram