អូឌីយ៉ូស្អាតសម្រាប់បដិសេធអក្សរកាត់ ASR
ម៉ាស៊ីននិយាយទៅអត្ថបទធ្លាក់លើអូឌីយ៉ូមានសំឡេងរំខាន ។ ឧបករណ៍នេះបំបាត់សំឡេងដែលបានថតដោយជាក់លាក់សម្រាប់ការបកប្រែ - ស្អាត និងទាប artefact ដូច្នេះអ្នកបកប្រែ ASR ឬមនុស្សរបស់អ្នកទទួលពាក្យទាំងអស់ ។
របៀបដែលវាធ្វើការ
យើងប្រើឧបករណ៍បំបាត់សំឡេងទាប (DeepFilterNet) ជំនួសឲ្យម៉ូដែលបង្កើតថ្មី & # 160; ៖ វាយកសំឡេងចេញដោយមិនបង្កើតសេចក្ដីលម្អិតទេ ដែលជាអ្វីដែលម៉ាស៊ីនទទួលស្គាល់ការនិយាយត្រូវការដើម្បីនៅជាប់ត្រឹមត្រូវ & # 160; ។
អ្វីដែលវាល្អសម្រាប់
- ការសម្អាតមុនសម្រាប់ Whisper / ASR
- ការបកប្រែច្បាប់ និងវេជ្ជសាស្ត្រ
- ចំណាំកិច្ចប្រជុំ និងសម្ភាសន៍Name
- ការដាក់ចំណងជើង និងចំណងជើងរង
សេចក្ដីលម្អិត
- ម៉ាស៊ីន
- DeepFilterNet
- ទ្រង់ទ្រាយ
- MP3, WAV, M4A, FLAC, OGG, AAC, MP4, MOV
- តម្លៃ
- ឥតគិតថ្លៃដើម្បីសាកល្បង
សំណួរដែលសួរញឹកញាប់
កម្មវិធីបង្កើនការបង្កើតអាចបំភាន់សេចក្ដីលម្អិតដែលធ្វើឲ្យ ASR ច្របូកច្របល់ & # 160; ។ វាប្រើកម្មវិធីបំបាត់សំឡេងស្អាតដែលលើកសម្ដីចេញពីសំឡេងរំខានដោយមិនបន្ថែមវត្ថុដែលធ្វើឲ្យការទទួលស្គាល់ត្រឹមត្រូវអតិបរមា & # 160; ។
សម្រាប់ការបកប្រែ គ្មាន - ពន្លឺ សម្អាត denoise វាយការស្ដារឡើងវិញធ្ងន់ & # 160; ។ រក្សាទុកការពង្រឹងសំឡេងសម្រាប់ការស្តាប់ ប្រើវាសម្រាប់ភាពត្រឹមត្រូវ & # 160; ។
បាទ/ ចាស - ការថតសម្អាតគឺលឿនជាងមុន និងត្រឹមត្រូវជាងមុនសម្រាប់អ្នកសរសេរជាមនុស្សក៏ដូចជាម៉ាស៊ីន & # 160; ។
ទេ & # 160; ។ វាសម្អាតអូឌីយ៉ូ ដូច្នេះកម្មវិធីសរសេរជាសំឡេងធ្វើការបានល្អជាង ប៉ុន្តែវាមិនបញ្ចេញអត្ថបទដោយខ្លួនវាទេ & # 160; ។ ភ្ជាប់ឯកសារដែលបានសម្អាតជាមួយ Whisper សេវាចំណងជើងរបស់អ្នក ឬអ្នកវាយមនុស្សដើម្បីទទួលពាក្យ & # 160; ។
មួយណាក៏ដោយរបស់ពួកគេ & # 160; ។ ពីព្រោះវាលើកសំឡេងចេញពីសំឡេងរំខានដោយមិនបង្កើតសេចក្ដីលម្អិត ម៉ាស៊ីនដូច Whisper និងម៉ូដែល ASR ផ្សេងទៀតមានទំនោរត្រឡប់ការទទួលស្គាល់ខុសតិចជាងលើឯកសារដែលបានសម្អាត & # 160; ។
Heavy or generative enhancement can smear or invent phonemes that throw recognition off. DeepFilterNet is deliberately conservative, removing noise while leaving the speech untouched, which is what ASR accuracy depends on.
បាទ/ ចាស & # 160; ។ រត់ការសម្អាតនេះដំបូងសម្រាប់ការនិយាយច្បាស់បំផុត បន្ទាប់មកយកភាពស្ងៀមស្ងាត់ចេញ និងការបំពេញដើម្បីធ្វើឲ្យការលោតកាន់តែតឹង ដូច្នេះឯកសារចុងក្រោយគឺត្រឹមត្រូវសម្រាប់សរសេរជាសំឡេង និងលឿនសម្រាប់ស្តាប់ & # 160; ។
ទ្រង់ទ្រាយអូឌីយ៉ូទូទៅត្រូវបានទទួលយក ហើយអ្នកទទួលបានឯកសារដែលបានបំបាត់សំឡេងត្រឡប់មកវិញក្នុងទ្រង់ទ្រាយដែលងាយស្រួលសរសេរជាភាសាអង់គ្លេសដែលត្រៀមរួចរាល់ដើម្បីផ្ដល់ទៅក្នុងបំពង់ ASR របស់អ្នក ឬផ្ញើទៅអ្នកសរសេរជាភាសាអង់គ្លេស & # 160; ។