ສຽງທີ່ສະອາດສຳລັບການແປເປັນພາສາອື່ນ ແລະ ASR
ເຄື່ອງຈັກເວົ້າເປັນຂໍ້ຄວາມລົ້ມລົງໃນສຽງທີ່ມີສຽງດັງ. ເຄື່ອງມືນີ້ຈະລົບສຽງທີ່ບັນທຶກໄວ້ໂດຍສະເພາະເພື່ອການແປ - ຄວາມສະອາດ ແລະມີຄວາມຜິດພາດຕ່ຳເພື່ອໃຫ້ຜູ້ແປພາສາຄົນຫຼືຄົນຂອງທ່ານໄດ້ຮັບຄໍາທຸກຄໍາ.
ວິທີການເຮັດວຽກ
ພວກເຮົາໃຊ້ເຄື່ອງລົບສຽງທີ່ມີຄຸນສົມບັດຕ່ຳ (DeepFilterNet) ແທນທີ່ຈະເປັນແບບແບບທີ່ສ້າງຂຶ້ນມາ: ມັນລົບສຽງທີ່ມີຄຸນສົມບັດຕ່ຳອອກຈາກຂໍ້ມູນໂດຍບໍ່ໄດ້ສ້າງລາຍລະອຽດໃໝ່, ເຊິ່ງແມ່ນສິ່ງທີ່ເຄື່ອງຈັກຮັບຮູ້ການເວົ້າຕ້ອງການເພື່ອຮັກສາຄວາມຖືກຕ້ອງໄວ້.
ສິ່ງທີ່ມັນດີສຳລັບ
- ການລ້າງກ່ອນ ສຳ ລັບ Whisper / ASR
- ກົດຫມາຍແລະການແພດ transcription
- ບັນທຶກການປະຊຸມ ແລະ ການສຳພາດ
- ຊື່ບົດ ແລະ ຊື່ບົດຫຍໍ້
ລາຍລະອຽດ
- ម៉ាស៊ីន
- DeepFilterNet
- ຮູບແບບ
- MP3, WAV, M4A, FLAC, OGG, AAC, MP4, MOV
- ລາຄາ
- ຟຣີທີ່ຈະທົດລອງ
ຄໍາຖາມທີ່ຖາມເລື້ອຍໆ
ຕົວເພີ່ມການສ້າງສັນສາມາດເຮັດໃຫ້ເກີດຄວາມຜິດພາດທີ່ເຮັດໃຫ້ ASR ສັບສົນໄດ້. ຕົວນີ້ໃຊ້ຕົວລົບສຽງທີ່ສະອາດ ແລະ ຮັກສາໄວ້ທີ່ຍົກການເວົ້າອອກຈາກສຽງລົບໂດຍບໍ່ເພີ່ມສິ່ງທີ່ເຮັດໃຫ້ສຽງບໍ່ດີ, ເພີ່ມຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້ໃຫ້ສູງສຸດ.
ສຳລັບການແປ, ບໍ່ — ການລົບສຽງທີ່ສະອາດ ແລະ ງ່າຍກວ່າການຟື້ນຟູທີ່ຫຍຸ້ງຍາກ. ເກັບການເພີ່ມສຽງໄວ້ສຳລັບການຟັງ, ໃຊ້ສິ່ງນີ້ເພື່ອຄວາມຖືກຕ້ອງ.
ຍິນດີ - ການບັນທຶກທີ່ສະອາດແມ່ນໄວກວ່າແລະຖືກຕ້ອງກວ່າ ສຳ ລັບຜູ້ຂຽນບົດຄວາມມະນຸດແລະເຄື່ອງ.
ບໍ່. ມັນລ້າງສຽງອອກເພື່ອໃຫ້ເຄື່ອງຂຽນບົດຄວາມເຮັດວຽກໄດ້ດີຂຶ້ນ, ແຕ່ມັນບໍ່ສົ່ງຂໍ້ຄວາມອອກເອງ. ຄູ່ໄຟລ໌ທີ່ລ້າງອອກກັບ Whisper, ບໍລິການບົດຄວາມຂອງທ່ານ ຫຼື ຜູ້ພິມເພື່ອເອົາຄໍາເວົ້າອອກມາ.
ທຸກໆອັນ. ຍ້ອນວ່າມັນຍົກການເວົ້າອອກຈາກສຽງລົບໂດຍບໍ່ໄດ້ສ້າງລາຍລະອຽດ, ເຄື່ອງຈັກເຊັ່ນ Whisper ແລະ ແບບ ASR ອື່ນໆມັກຈະສົ່ງຄືນການຮັບຮູ້ຜິດພາດທີ່ໜ້ອຍລົງໃນເອກະສານທີ່ໄດ້ລ້າງອອກ.
ເພີ່ມຄວາມເຂັ້ມແຂງຢ່າງໜັກ ຫຼື ເພີ່ມຄວາມແຮງແບບສ້າງສັນສາມາດເຮັດໃຫ້ສຽງທີ່ຖືກຮັບຮູ້ນັ້ນບໍ່ຖືກຮັບຮູ້ໄດ້ ຫຼື ສ້າງສຽງທີ່ຖືກຮັບຮູ້ໄດ້ບໍ່ໄດ້. DeepFilterNet ແມ່ນການຮັກສາໄວ້ຢ່າງຕັ້ງໃຈ, ເອົາສຽງລົບອອກຈາກການເວົ້າທີ່ບໍ່ໄດ້ຖືກກະທົບ, ເຊິ່ງແມ່ນສິ່ງທີ່ຄວາມຖືກຕ້ອງຂອງ ASR ຂຶ້ນກັບມັນ.
ຍອມຮັບ. ແລ່ນການລ້າງຂໍ້ຄວາມນີ້ກ່ອນເພື່ອການເວົ້າທີ່ຈະແຈ້ງທີ່ສຸດ, ຫຼັງຈາກນັ້ນລົບຄວາມງຽບເພື່ອເພີ່ມຄວາມໄວ ແລະ ປັອບໂອເອ Noise Gate ເພື່ອລົບສິ່ງທີ່ຍັງເຫຼືອຢູ່ລະຫວ່າງຄຳສັບ, ດັ່ງນັ້ນໄຟລ໌ສຸດທ້າຍຈະຖືກຖ່າຍທອດຢ່າງຖືກຕ້ອງ ແລະ ໄວທີ່ຈະຟັງໄດ້.
ຮູບແບບສຽງທົ່ວໄປແມ່ນຖືກຮັບຮອງເອົາ ແລະ ທ່ານຈະໄດ້ຮັບໄຟລ໌ທີ່ໄດ້ຮັບການລົບສຽງຄືນມາໃນຮູບແບບທີ່ງ່າຍຕໍ່ການຂຽນຄືນໃໝ່ ເພື່ອສົ່ງໄປສູ່ສາຍສົ່ງ ASR ຂອງທ່ານ ຫຼື ສົ່ງໄປຍັງຜູ້ຂຽນຄືນໃໝ່.