Parole en texte

Ils estiment les mots de l’enregistrement et peuvent également ajouter de la ponctuation ou des horodatages. Une transcription est une sortie modèle qui peut contenir des omissions, des substitutions ou des mots ajoutés, donc des détails importants doivent être examinés par rapport à l’audio.

Points clés à retenir

• Évaluez les langues et conditions d’enregistrement prévues.
• Normalisation des notations des documents.
• Examinez les détails critiques par rapport à l’audio.

Spécifiez la langue, le format audio et les conditions d’enregistrement attendues. Le bruit de fond, les locuteurs qui se chevauchent, les noms inhabituels et la terminologie spécifique au domaine peuvent influencer la reconnaissance. La performance d’un système sur un seul jeu de données n’établit pas le même résultat pour chaque accent ou environnement. Séparez la transcription de l’identification, traduction et résumé du locuteur. Ces tâches peuvent être combinées dans un produit, mais chacune peut introduire des erreurs supplémentaires. Une étiquette de locuteur n’est pas nécessairement une identité vérifiée. Le taux d’erreur de mot compare les substitutions, suppressions et insertions avec une transcription de référence. Les règles de normalisation pour la ponctuation, le casse-tête et la tokenisation influencent le résultat. Signalez ces règles et inspectez les erreurs de sens plutôt que de vous baser uniquement sur un pourcentage global. Prévoyez l’accès à l’enregistrement original et aux horodatages pertinents lorsque cela est permis. Mettez en place un processus de révision des noms, numéros, termes techniques et passages incertains. Testez l’audio silencieux et non verbal afin que le système ne transforme pas l’absence de parole en une transcription confiante.

1. Utilisez une transcription de référence inventée contenant 100 mots. La transcription reconnue comporte quatre substitutions, trois suppressions et deux insertions.
2. Le taux d’erreur des mots est (4+3+2)/100 = 9 %.
3. Examinez quels mots ont changé. Le pourcentage seul ne révèle pas si les erreurs ont modifié une instruction clé ou simplement une phrase de remplissage.

L’arithmétique construite explique la métrique sans revendiquer de résultat pour un quelconque produit de reconnaissance vocale.