Audio nadiif ah oo loogu talagalay soo dejinta & ASR
Speech-to-text engines ku dhacaan audio maqal ah. qalabkan denoises diiwaanka gaar ahaan loogu talagalay qoraalka - nadiif ah oo hoos u-artifact sidaas ASR ama qof transcriber ka heli eray kasta.
Sida ay u shaqeyso
Waxaan u isticmaalnaa denoiser hoose-artifact (DeepFilterNet) ka badan oo ku saabsan qaabka generative: wuxuu ka saaraa colaad aan la abuurin faahfaahin, taas oo ah waxa dhab ahaan waxa hadalka aqoonsiga mashiinada u baahan yihiin inay sii joogto ah.
Waa maxay waxa wanaagsan
- Hore-daahirinta ee Whisper / ASR
- Qaab-dhismeed sharci iyo caafimaad
- Kulanka iyo waraysiga qoraalada
- Qoraalka iyo qoraalka hoose
Faahfaahin
- Baabuur
- DeepFilterNet
- Noocyada
- MP3, WAV, M4A, FLAC, OGG, AAC, MP4, MOV
- Qiimaha
- Bilaash in la isku dayo
Su'aalaha badanaa la isweydiiyo
Generative enhancers waxay ku siin kartaa hallucinate faahfaahin ka yaab leh ASR. Tani waxay isticmaalaan nadiif ah, denoiser conservative oo kor u qaado hadalka ka maqalka ka baxsan aan la kordhin artefacts, kor u qaadida aqoonsiga saxnaanta.
Si loo qoro, ma jiro - iftiinka, denoising nadiif ah ku dhuftay soo celinta culus. Ka saar codka-u kordhinta si ay u maqlaan, isticmaalkan si ay u sax ah.
Haa — a diiwaanka nadiif ah ayaa ka dhaqso badan oo ka badan oo sax ah in transcribers aadanaha iyo sidoo kale mashiinada.
No. Waxay nadiifisaa audio sidaas transcriber shaqooyinka wanaagsan, laakiin ma aha qoraalka soo saarka oo keliya. isku darka file nadiifsan la Whisper, adeegga subtitling ama typewriter aadanaha si ay u helaan erayada.
Mid ka mid ah iyaga. Sababtoo ah waxay kor u qaadi hadalka ka baxsan codka aan la abuurin faahfaahinta, mashiinada sida Whisper iyo ASR kale oo moodooyinka u muuqdaan in ay soo celiyaan in ka yar misrecognitions on file nadiif ah.
Xoogga ama kor u qaadista generative waxay ku dhici kartaa ama abuuri phonemes in ay tuuraan aqoonsiga off. DeepFilterNet waa si gooni ah u ilaalin, ka saaro colaad halka ka tagay hadalka aan la taaban, taas oo ah waxa saxnaanta ASR ku xiran.
Haa. Run this nadiifinta hore u hadalka ugu cadcad, ka dibna tirtirka maqnaanshaha iyo buuxinta ka gudbaan si ay u adkeeyaan pacing, sidaas darteed faylka ugu dambeeyay waa labadaba sax ah in ay ku qortaan oo dhaqso ah in ay maqlaan.
Common audio qaabab waa la aqbali, oo aad ka heli kartaa file denoised dib u qaabka denotification-friendly diyaar u ah in ay cunto in aad ASR pipeline ama u dirto transcriber.