Sprachleitfaden
Wenn Sie deepgram-Sprachen beurteilen, gehen Sie zunächst von der Sprache aus, die in Ihrer Aufnahme tatsächlich gesprochen wird. Prüfen Sie dann die aktuelle Dokumentation für das Modell und den Workflow, den Sie verwenden möchten. Allein die Angabe, dass eine Sprache unterstützt wird, garantiert noch keine genaue Transkription.
Die Sprachwahl beeinflusst den gesamten Workflow, nicht nur eine Einstellung in einer Anfrage. Diese ergänzenden Leitfäden behandeln die damit verbundenen Entscheidungen zur Ein- und Ausgabe.
Erfahren Sie, wie gesprochene Sprache zu Text wird und welche Transkriptionsoptionen Sie testen sollten.
Unterscheiden Sie zwischen dem Verstehen einer gesprochenen Sprache und der Erzeugung einer gesprochenen Antwort.
Berücksichtigen Sie Dialoge, Untertitel und Audioqualität, wenn die Sprache aus einem Video stammt.
Eine aufgeführte Sprache ist ein Ausgangspunkt, keine Zusage, dass jeder Sprecher und jede Aufnahme gleich gut verarbeitet wird.
Hintergrundgeräusche, weit entfernte Mikrofone, sich überlagernde Stimmen und unbekannte Namen können die Ergebnisse verändern, selbst wenn die gesprochene Sprache unterstützt wird.
LösungsansatzTesten Sie repräsentative Aufnahmen und überprüfen Sie Namen, Zahlen und andere besonders wichtige Wörter von Hand.
In einer Aufnahme kann mitten im Satz die Sprache wechseln oder es können Lehnwörter vorkommen. Gehen Sie nicht davon aus, dass eine Einstellung für nur eine Sprache jeden Wechsel abdeckt.
LösungsansatzTesten Sie eine mehrsprachige Beispielaufnahme und prüfen Sie, ob die aktuelle Modelldokumentation diesen Anwendungsfall beschreibt.
Ein Akzent oder regionaler Wortschatz kann zu anderen Ergebnissen führen als die Beispiele, mit denen die allgemeine Sprachunterstützung beschrieben wird.
UmgehungslösungNehmen Sie Sprecher aus den Regionen, die Ihr Publikum repräsentieren, in den Evaluierungsdatensatz auf.
Die Unterstützung bei der Spracherkennung bedeutet nicht, dass eine passende synthetisierte Stimme, Aussprache oder Ausgabesprache verfügbar ist.
UmgehungslösungPrüfen Sie die Funktionen für Spracherkennung und Sprachsynthese getrennt, bevor Sie eine mehrsprachige Interaktion entwerfen.
Verwenden Sie für jede Sprache, die Ihr Projekt benötigt, dieselbe kurze Evaluierung, statt sich auf einen einzigen Demo-Clip zu verlassen.
Notieren Sie die gesprochene Sprache oder die gesprochenen Sprachen, wahrscheinliche Akzente, die Audioquelle und ob die Sprecher zwischen Sprachen wechseln. Bewahren Sie eine kurze Hörprobe mit den Hintergrundgeräuschen und dem Wortschatz der tatsächlichen Nutzung auf.
Sehen Sie in der aktuellen Dokumentation von Deepgram für das jeweilige Modell und den Sprach-Workflow nach. Prüfen Sie, ob für diese Konfiguration eine Sprache angegeben werden muss, automatisch erkannt werden kann oder nicht unterstützt wird.
Verarbeiten Sie repräsentative Audioaufnahmen, vergleichen Sie das Ergebnis mit einem von Menschen geprüften Transkript und halten Sie Fehler bei Namen, Zahlen und Passagen mit Sprachwechsel fest. Wiederholen Sie den Test, wenn sich das Modell oder die Audioquelle ändert.
Welcher Test der richtige ist, hängt davon ab, was die Menschen mit dem Ergebnis tun werden. Jedes Szenario erfordert anderes Ausgangsmaterial und andere Prüfkriterien.
Die Aufnahmen enthalten mehrere Sprecher, regionale Akzente und Fachbegriffe.
Prüfen Sie die Sprachunterstützung anhand echter Interviewausschnitte und kontrollieren Sie anschließend Sprecherwechsel und Fachbegriffe im Transkript.
deepgram-TranskriptionEine anrufende Person spricht in einer Sprache, erwartet aber eine Antwort in einer anderen.
Prüfen Sie Spracherkennung und gesprochene Ausgabe als getrennte Funktionen; wenn die eine funktioniert, bedeutet das nicht, dass auch die andere funktioniert.
deepgram-StimmeEine Veranstaltungsaufzeichnung enthält Fragen aus dem Publikum und gelegentliche Sprachwechsel.
Testen Sie die extrahierte Audiospur und prüfen Sie vor der Veröffentlichung das Timing der Untertitel sowie mehrsprachige Passagen.
deepgram-VideotranskriptionDies sind Ansätze zur Bewertung, keine Behauptung, dass jedes Deepgram-Modell beide Optionen bietet. Prüfen Sie, welche Einstellungen für das gewählte Modell verfügbar sind.
Sprache angeben
Die gesprochene Sprache der Aufnahme ist im Voraus bekannt.
Erkennung verwenden, falls verfügbar
Die gesprochene Sprache ist beim Eingang der Audiodatei unbekannt.
Sprache angeben
Wählen Sie eine unterstützte Spracheinstellung für das ausgewählte Modell.
Erkennung verwenden, falls verfügbar
Prüfen Sie, ob das ausgewählte Modell und der Workflow eine Erkennung bieten.
Sprache angeben
Macht die gewünschte Sprache ausdrücklich kenntlich.
Erkennung verwenden, falls verfügbar
Macht eine Sprachangabe vor der Verarbeitung überflüssig.
Sprache angeben
Eine falsche Sprachangabe kann die Aufnahme falsch wiedergeben.
Sprachenerkennung nutzen, falls verfügbar
Eine erkannte Sprachkennzeichnung kann falsch oder für die Aufgabe zu allgemein sein.
Eine Sprache festlegen
Eine einzige Einstellung passt möglicherweise nicht zu jedem Abschnitt.
Sprachenerkennung nutzen, falls verfügbar
Dass eine Erkennung verfügbar ist, bedeutet noch nicht, dass Sprachwechsel zuverlässig verarbeitet werden.
Eine Sprache festlegen
Die Ausgabe mit einer Referenzaufnahme in der gewählten Sprache vergleichen.
Sprachenerkennung nutzen, falls verfügbar
Sowohl die erkannte Sprache als auch das resultierende Transkript prüfen.
Dieser Leitfaden hilft Ihnen, einen Test zur Sprachunterstützung zu planen. Das verlinkte Angebot ist ein separates Sprachprodukt. Prüfen Sie daher dessen Funktionen und Nutzungsbedingungen, bevor Sie es für ein Projekt einsetzen.
Die Unterstützung hängt vom Modell und vom Sprach-Workflow ab; die Liste kann sich ändern. Lesen Sie die aktuelle Dokumentation von Deepgram für das Modell, das Sie verwenden möchten, statt sich auf eine allgemeine Liste oder ein älteres Beispiel zu verlassen.
Gehen Sie nicht davon aus, dass die Erkennung bei jedem Modell oder jeder Konfiguration verfügbar ist. Prüfen Sie die aktuelle Dokumentation für den gewählten Workflow und testen Sie anschließend, ob die Sprache bei Aufnahmen wie Ihren zuverlässig erkannt wird.
Gemischtsprachige Sprache muss gesondert getestet werden; die Unterstützung zweier Sprachen einzeln zeigt nicht, wie gut ein Modell mit Wechseln zwischen ihnen umgeht. Nehmen Sie echte Passagen mit Sprachwechseln in Ihre Stichprobe auf und prüfen Sie das Transkript genau.
Eine allgemeine Sprachbezeichnung garantiert keine gleichbleibende Genauigkeit bei regionalen Varianten, verschiedenen Sprechern oder unterschiedlichen Aufnahmebedingungen. Testen Sie Audioaufnahmen mit den Akzenten und aus den Umgebungen, die für Ihre Zielgruppe relevant sind.
Nein. Spracherkennung und Spracherzeugung sind unterschiedliche Aufgaben, für die möglicherweise verschiedene Modelle mit unterschiedlicher Sprachabdeckung zum Einsatz kommen. Prüfen Sie beide Funktionen separat, wenn Ihr Workflow beide benötigt.