Glossarju

Traskrizzjoni tal-awdjo

X'inhu Traskrizzjoni tal-awdjo?

It-traskrizzjoni tal-awdjo tikkonverti l-lingwa mitkellma minn reġistrazzjonijiet f'test miktub. Is-sistemi moderni tar-rikonoxximent awtomatiku tat-taħdit iżidu wkoll il-punteġġjatura, jiddistingwu bejn il-kelliema u xi drabi jipprovdu timbri tal-ħin. Tintuża għall-minuti tal-laqgħat, l-intervisti, is-sottotitli u d-dokumentazzjoni tas-sejħiet mal-klijenti. Il-kwalità tiddependi ħafna mill-kwalità tal-awdjo, mill-aċċent u mill-vokabularju speċjalizzat; għal konversazzjonijiet li jinvolvu data personali, iridu jitqiesu l-kunsens u l-protezzjoni tad-data.

Suġġetti

Rikonoxximent tat-taħdit
Audio
Minuti

Ipprova KI.ordo

Aġenti, flussi tax-xogħol u mudelli fi spazju tax-xogħol wieħed – demo b'xejn għal 24 siegħa.

Ibda d-demo

← It-termini kollha

Termini relatati

Rikonoxximent tad-diskors (speech to text)

Ir-rikonoxximent tad-diskors, imsejjaħ ukoll ASR (automatic speech recognition), jikkonverti awtomatikament il-lingwa mitkellma f'test miktub. Is-sistemi moderni jużaw netwerks newrali mħarrġa fuq ammonti kbar ta' reġistrazzjonijiet awdjo u jlaħħqu b'mod raġonevoli ma' aċċenti u storbju fl-isfond. L-applikazzjonijiet jinkludu dettar, sottotitli, assistenti vokali u t-traskrizzjoni ta' laqgħat u telefonati tal-klijenti. Termini tekniċi, ismijiet proprji u kwalità ħażina tal-awdjo jibqgħu sorsi komuni ta' żbalji.

ASR
awdjo
+1

Whisper

Whisper huwa mudell ta' rikonoxximent awtomatiku tad-diskors maħruġ minn OpenAI f'Settembru 2022. Jikkonverti l-lingwa mitkellma f'ħafna lingwi f'test u jista' jittraduċi wkoll reġistrazzjonijiet għall-Ingliż. Il-kodiċi u l-piżijiet tal-mudell tiegħu huma disponibbli taħt il-liċenzja open-source MIT, għalhekk Whisper jista' jitħaddem ukoll fuq hardware tiegħek stess, vantaġġ meta d-data awdjo m'għandhiex titlaq mill-organizzazzjoni. L-użi tipiċi jinkludu traskrizzjonijiet ta' laqgħat, intervisti u sottotitli.

Rikonoxximent tat-taħdit
Sors miftuħ
+1

Text-to-Speech (TTS)

Text-to-speech jikkonverti test miktub f'lingwa mitkellma, u b'hekk huwa l-kontropartita tar-rikonoxximent tad-diskors (speech-to-text). Is-sistemi moderni jużaw netwerks newrali biex jipproduċu vuċijiet b'ħoss naturali b'intonazzjoni xierqa. It-TTS jintuża f'annunċji telefoniċi, apparat tan-navigazzjoni, funzjonijiet ta' qari b'leħen għoli għal siti web aċċessibbli u assistenti vokali.

Output vokali
Audio
+1