语音转文字

他们根据录音估计单词，还可能添加标点符号或时间戳。转录是一个模型输出，可能包含遗漏、替换或添加的单词，因此重要的细节需要根据音频进行审查。

主要要点

• 评估预期的语言和录音条件。
• 文档评分标准化。
• 根据音频查看关键细节。

指定语言、音频格式和预期的录制条件。背景噪音、重叠的说话者、不寻常的名称和特定领域的术语都会影响识别。系统在一个数据集上的性能并不能为每种口音或环境建立相同的结果。将转录与说话人识别、翻译和摘要分开。这些任务可以组合在一个产品中，但每个任务都可能会引入额外的错误。说话者标签不一定是经过验证的身份。字错误率将替换、删除和插入与参考转录本进行比较。标点符号、大小写和标记化的标准化规则会影响结果。报告这些规则并检查意义改变的错误，而不是仅仅依赖一个总体百分比。在允许的情况下保留对原始录音和相关时间戳的访问。提供对名称、数字、技术术语和不确定段落的审查流程。测试静音和非语音音频，以便系统不会将没有语音的情况转变成看起来自信的文字记录。

1. 使用包含 100 个单词的发明参考记录。识别的转录本有四个替换、三个删除和两个插入。
2. 字错误率为(4+3+2)/100 = 9%。
3. 查看哪些单词发生了变化。仅凭百分比并不能揭示这些错误是改变了关键指令还是仅仅改变了填充短语。

构造的算术解释了该指标，但没有声明任何语音识别产品的结果。