概述
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。
深入探讨
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。
04工作示例
计算单词错误率
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。
字错误率为(4+3+2)/100 = 9%。
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。
它显示了什么
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。
现实世界的实施
在发布成绩单之前查看时间戳和不确定的名称。
评估对来自实际录音环境的授权样本的识别。
付诸实践
为什么这很重要
- 速度与规模. 语言工作流程可以在不牺牲一致性的情况下更快地移动。
- 交通与覆盖范围. 它扩展了跨语言和沟通方式的访问。
- 更清晰的判决. 团队可以花更多时间进行判断，而自动化则可以处理重复。
留意
- 幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
- 及时的敏感性可能会在类似的请求中产生不一致的结果。
- 如果访问控制薄弱，敏感文本数据可能会暴露。
后续步骤
- 在推出之前定义输出格式、语气和质量标准。
- 当准确性很重要时，请使用可信来源进行地面响应。
- 为高风险输出保留人工审查检查点。
- 跟踪故障模式并定期重新训练提示或工作流程。
资料来源与延伸阅读
- Hugging Face自动语音识别的评估指标
不断探索
常见问题
低字错误率能否保证成绩单的安全？
不。特定错误的含义和后果仍然需要评估。