Implementação técnica da transcrição de alta precisão do TurboScribe
O modo Whale representa o nível de precisão mais alto do TurboScribe, e sua precisão de reconhecimento de 99,8% é garantida por uma tecnologia tripla: primeiro, adota o modelo de conscientização de contexto baseado no Transformer, que é capaz de entender as associações semânticas da fala; segundo, emprega a tecnologia de impressão digital acústica, que pode diferenciar com precisão palavras pronunciadas de forma semelhante; e, por fim, adota o algoritmo de separação de alto-falantes, que mantém a independência de cada canal de voz em diálogos com várias pessoas Por fim, o algoritmo de separação de alto-falantes mantém a independência de cada canal de voz em cenários de diálogo com várias pessoas.
Em comparação com outros modos, o modo Whale tem vantagens significativas em cenários complexos, embora o tempo de processamento seja estendido para cerca de 10 minutos para 1 hora de áudio: 1) 371 TP3T de melhoria na taxa de reconhecimento de termos técnicos em palestras acadêmicas; 2) 521 TP3T de melhoria na taxa de sucesso da separação de fala em ambientes ruidosos (por exemplo, entrevistas em canteiros de obras); 3) 681 TP3T de redução na taxa de erro de reconhecimento de falantes com sotaques pesados. O sistema também rotula automaticamente elementos que não são de fala, como [aplausos] ou [música de fundo].
Os dados de testes reais mostram que, em um ambiente padrão usando um microfone externo, a taxa de erro de caracteres (CER) do modo Whale para o chinês mandarim é de apenas 0,15% e a taxa de erro de palavras (WER) para o inglês é de 0,23%, o que atende aos requisitos de áreas profissionais, como medicina/legislação. Os usuários podem otimizar ainda mais os resultados com anotação de orador, revisão de carimbo de data/hora e outras funções.
Essa resposta foi extraída do artigoTurboScribe: a ferramenta on-line para conversão rápida de áudio e vídeo em textoO
Português do Brasil 
简体中文 
English 
日本語 
Deutsch