Otomatik konuşma tanıma nedir? Çoğu zaman ASR diye kısaltılır; konuşulan sesteki sözcükleri bir insan yazmadan otomatik olarak belirleyen teknolojidir. Çıktı düz metindir, bazen zaman damgalarıyla birlikte. Doğruluk büyük ölçüde kayıt kalitesine, aksanlara ve konuşulan dile bağlıdır.
Bir kaydı metne çevirin
Sesli mesajınızı, ses veya video dosyanızı Telegram'da @potok_now_bot hesabına gönderin, metin sohbete geri gelsin.
@potok_now_bot hesabını Telegram'da aç
2 GB'a kadar dosyalar · TXT, MD, DOCX, PDF, SRT ve VTT olarak dışa aktarma · konuşmacı etiketleri ve zaman damgaları · yaklaşık 30 dil
Temel bilgiler
- Modern ASR sistemleri, dökümleriyle eşleştirilmiş geniş kayıt koleksiyonlarıyla eğitilmiş sinir ağlarıdır.
- ASR'ye konuşmadan metne de denir; iki ad da sesi yazılı sözcüklere çevirme adımını anlatır.
- Sistemler kelime hata oranıyla karşılaştırılır; bu, bir başvuru metnine göre yanlış, eksik ve fazla sözcüklerin sayımıdır.
- Noktalama, konuşmacı etiketleri ve sayı biçimlendirme gibi ek adımlar çoğunlukla tanımanın kendisinden sonra eklenir.
- Aynı motor, bir stüdyo mikrofonunda ve gürültülü bir masanın karşısında tutulan bir telefonda çok farklı davranabilir.
Nasıl görünür
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"}
]
}
Daha fazlası
Dillerin tam listesine, araçlara ve sözlüğe bakın.
Sık sorulan sorular
ASR konuşmadan metinle aynı şey mi?
Gündelik kullanımda evet. ASR işlemin teknik adıdır; konuşmadan metne ise aynı görevin ve sonucunun daha sade adıdır.
ASR anlamı anlar mı?
İnsan anlamında değil. Duyduğu sesler için en olası sözcükleri tahmin eder; bu yüzden kulağa doğru gelen yanlış bir sözcük yazabilir.
ASR sonuçlarını ne kötüleştirir?
Arka plan gürültüsü, üst üste konuşan sesler, güçlü aksanlar, kötü mikrofonlar ve nadir isimlerin hepsi doğruluğu düşürür. Temiz bir kayıt tek başına en büyük yardımdır.
ASR kalitesi nasıl ölçülür?
Çoğunlukla kelime hata oranıyla, boşluksuz yazılan diller için karakter hata oranıyla. İkisi de çıktıyı insan tarafından hazırlanmış bir başvuru metniyle karşılaştırır.
Bir kayıtta ASR'yi nasıl kullanırım?
Dosyayı Telegram'daki Potok botuna gönderin. 2 GB'a kadar sesli mesajlar, ses ve video dosyaları kabul edilir ve metin mesaj veya dosya olarak geri gelir.
Kaynaklar
Her kaynak, belirtilen tarihte elle açılarak kontrol edildi. Sayfalar değişir; bir ayrıntı sizin için önemliyse kaynağı açın.
- Speech recognition (Wikipedia), Wikipedia · kontrol edildi
- Word error rate (Wikipedia), Wikipedia · kontrol edildi
Kendi kaydınızda deneyin
Sesli mesajınızı, ses veya video dosyanızı Telegram'da @potok_now_bot hesabına gönderin, metin sohbete geri gelsin.
@potok_now_bot hesabını Telegram'da aç